1 介绍
- 在 PyTorch 中，
nn.ModuleDict是一个方便的容器，用于存储一组子模块（即nn.Module对象）的字典 - 这个容器主要用于动态地管理多个模块，并通过键来访问它们，类似于 Python 的字典
2 特点
- 组织性
nn.ModuleDict提供了一种将多个模块有序组织在一起的方法。- 这有助于让代码更加结构化，易于理解和维护
- 动态操作
- 可以像操作普通字典那样添加或删除模块
- 例如使用
module_dict['key'] = module添加模块，使用del module_dict['key']删除模块
- 自动参数注册
- 当将模块添加到
ModuleDict中时，它们的参数会自动注册到整个网络中，确保在模型训练时这些参数可以被识别和更新
- 当将模块添加到
3 例子
import torch.nn as nnclass MyModel(nn.Module):def __init__(self):super(MyModel, self).__init__()self.layers = nn.ModuleDict({'linear': nn.Linear(10, 20),'activation': nn.ReLU()})def forward(self, x):x = self.layers['linear'](x)x = self.layers['activation'](x)return x
- 在构造函数中，我们使用
ModuleDict来存储一个线性层和一个激活层，并在前向传播forward方法中通过键名访问这些层
4 主要方法
clear | 清空 ModuleDict 中的所有条目 |
items | 返回一个可迭代对象，包含
|
keys | 返回一个可迭代对象，包含
|
pop | 从 ModuleDict 中移除指定的键，并返回其对应的模块 |
update(modules) | 使用另一个映射或键值对迭代器更新 ModuleDict，如果存在相同的键，则会覆盖原有的条目 |
values | 返回一个可迭代对象，包含 ModuleDict 的所有模块值 |
