nn.Sequential til hurtige modeller
Kæd lag sammen uden en brugerdefineret klasse.
nn.Sequential til hurtige modeller er en gratis Deep Learning Academy-lektion på CoddyKit. Dette er lektion 3 af 4. Du kan læse hele lektionen gratis nedenfor — og derefter øve dig praktisk i browseren med en indbygget kodeeditor og en AI-vejleder, der er tilgængelig døgnet rundt. Den er en del af læringsforløbet i Deep Learning Academy, og dine fremskridt synkroniseres på tværs af nettet og CoddyKit-appen. Deep Learning Academy-kurset indeholder 4 lektioner i alt.
En genvej til enkle netværk
Når data flyder direkte gennem lagene i rækkefølge, kan nn.Sequential spare dig for at skrive en hel brugerdefineret klasse.
Angiv lagene i rækkefølge
Du angiver lagene som argumenter, og Sequential kører dem ét efter ét. Den rækkefølge, du angiver dem i, er den rækkefølge, de udføres i.
model = nn.Sequential(
nn.Linear(4, 16),
nn.ReLU(),
nn.Linear(16, 3))Aktiveringer skal også med
Aktiveringer er også moduler, så indsæt nn.ReLU() direkte mellem de lineære lag på listen.
Kald den som enhver anden model
En Sequential-model er stadig et nn.Module, så du kører den med model(x) præcis som en brugerdefineret klasse.
output = model(input_tensor)Du behøver ikke skrive forward
Sequential leverer forward-gennemløbet for dig og sender automatisk outputtet fra hvert lag videre til det næste.
Perfekt til lineære kæder
Den er særligt god, når der ikke er forgreninger eller spring, men blot en enkel kæde fra input til output.
Tilføj navne med OrderedDict
Send en OrderedDict for at give hvert lag et læsbart navn, så det bliver meget tydeligere at udskrive modellen.
from collections import OrderedDict
nn.Sequential(OrderedDict(fc1=nn.Linear(4,8)))Indeksér lagene
Du kan nå ethvert lag via dets position, fordi Sequential fungerer som en liste. Det gør det nemmere at inspicere eller justere en enkelt del.
first_layer = model[0]Hvornår du skal skifte tilbage
Har du brug for en if-forgrening, en springforbindelse eller genbrugte lag? Så skal du i stedet gå tilbage til et brugerdefineret nn.Module.
Indlejr for at skabe struktur
Du kan endda placere en Sequential i en anden for at samle relaterede lag i en overskuelig blok.
Let at overskue
Til enkle modeller er Sequential kortere og nemmere at skimme. Mindre kode betyder færre fejl. ✨
Hurtigt tjek
Tænk over, hvilken type model der passer bedst til nn.Sequential.
Opsummering
Brug nn.Sequential til at kæde lag sammen i rækkefølge uden at skrive forward. Brug kun en brugerdefineret klasse, når du har brug for forgreninger eller spring. 🎯
Lær Python med en AI-underviser — gratis
Skriv og kør rigtig kode i din browser, få øjeblikkelig hjælp fra en AI-underviser døgnet rundt, og fortsæt, hvor du slap, på web eller i appen.
- Kurser
- 30
- Lektioner
- 120
Ofte stillede spørgsmål
Er lektionen “nn.Sequential til hurtige modeller” gratis?
Ja — hele teksten til “nn.Sequential til hurtige modeller” kan læses gratis her på nettet. Hvis du vil øve dig interaktivt med en indbygget kodeeditor og en AI-vejleder døgnet rundt og få adgang til resten af Deep Learning Academy-kurset, skal du opgradere til CoddyKit PRO. Deep Learning Academy-kurset indeholder 4 lektioner i alt.
Hvad lærer jeg i “nn.Sequential til hurtige modeller”?
Kæd lag sammen uden en brugerdefineret klasse. Du øver dig i Deep Learning Academy med praktisk kode, som du kører direkte i browseren, og en AI-vejleder døgnet rundt besvarer dine spørgsmål, mens du arbejder dig gennem lektionen.
Skal jeg have erfaring for at begynde på Deep Learning Academy?
Der kræves ingen tidligere erfaring. Deep Learning Academy på CoddyKit er tilrettelagt for både begyndere og øvede, så du kan starte her eller fra begyndelsen og lære i dit eget tempo. Dette er lektion 3 af 4.
Hvor lang tid tager lektionen “nn.Sequential til hurtige modeller”?
De fleste CoddyKit-lektioner tager cirka 5–10 minutter. Hver lektion er kort og interaktiv, så du gør løbende fremskridt og kan fortsætte, hvor du slap – på både web og app.
Kan jeg skrive og køre kode i denne Deep Learning Academy-lektion?
Ja. Alle Deep Learning Academy-lektioner har en indbygget kodeeditor, så du kan skrive og køre rigtig kode direkte i din browser og få øjeblikkelig feedback fra AI – uden lokal opsætning.
Alle lektioner i dette kursus
- Subclass nn.Module: __init__ og forward
- Stak lineære lag
- nn.Sequential til hurtige modeller
- Undersøg parametre og lagformer