浅谈pytorch中的nn.Sequential(*net[3: 5])是啥意思

这篇文章主要介绍了pytorch中的nn.Sequential(*net[3: 5])是啥意思，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧

看到代码里面有这个

在这里插入图片描述

 1 class ResNeXt101(nn.Module): 2 def __init__(self): 3 super(ResNeXt101, self).__init__() 4 net = resnext101() # print(os.getcwd(), net) 5 net = list(net.children())  # net.children()得到resneXt 的表层网络 # for i, value in enumerate(net): #     print(i, value) 6 self.layer0 = nn.Sequential(net[:3])  # 将前三层打包0， 1， 2两层 print(self.layer0) 7 self.layer1 = nn.Sequential(*net[3: 5])  # 将3, 4两层打包 8 self.layer2 = net[5] 9 self.layer3 = net[6]

可以看到代码中的第六行（序号自己去掉，我打上去的） self.layer0 = nn.Sequential(net[:3])和
第七行self.layer1 = nn.Sequential(*net[3: 5])
有一个nn.Sequential(net[:3])
和nn.Sequential(*net[3: 5])
今天不讲nn.Sequential（）用法，意义，作用因为我也不咋明白。惊天就说*net[3: 5]这个东西为啥要带“ * ”
当代码中不带*的时候，运行会出现以下问题

在这里插入图片描述

意思就是列表不是子类，就是说参数不对

 net = list(net.children())

这一行代码是将模型的每一层取出来构建一个列表，自己试着打印就可以。大概的输出就是[conv()，BatchNorm2d()， ReLU，MaxPool2d]等等

在这里插入图片描述

总共是是个元素，和一般的列表不太一样。

当我们取net[:3]的时候，传进去的参数是一个列表，但是我们用*net[:3]的时候传进去的是单个元素

 list1 = ["conv", ("relu", "maxing"), ("relu", "maxing", 3), 3] list2 = [list1[:1]] list3 = [*list1[:1]] print("list2:{}, *list1[:2]:{}".format(list1[:1], *list1[:1]))

在这里插入图片描述