Sequential容器（PyTorch）

发表于 分类于 阅读次数： 本文字数： 256 阅读时长 ≈ 1 分钟

Sequential容器

Sequential容器也被称为顺序容器，在标准库中，有三种常见的Sequential容器：vector、list和deque。虽然它们都存储元素，但访问方式和添加/删除元素的成本却大不相同。vector就像一个不断增长的数组，而list则像一个个串联的珠子。至于deque，它则兼具了vector和list的特点，既可以快速访问中间元素，又可以在两端高效地添加和删除元素。标准库还为我们提供了Sequential容器的适配器：stack、queue和priority_queue则允许我们快速访问或删除最大或最小的元素。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
import torch
import torch.nn as nn

# 定义Sequential
model = nn.Sequential(
    # 输入层和隐藏层的线性层
    nn.Linear(10, 20),
    # 激活函数
    nn.ReLU(),
    
    # 隐藏层和输出层的线性层
    nn.Linear(20, 10),
    nn.ReLU(),
)

# 输入数据
input_data = torch.randn(1, 10)

# 前向传播
output_data = model(input_data)

# 打印输出数据
print(output_data)

输出结果为：

1
2
tensor([[0.0000, 0.0000, 0.2003, 0.0982, 0.0294, 0.0486, 0.0000, 0.0000, 0.0000,
         0.0516]], grad_fn=<ReluBackward0>)