我是 PyTorch 的新手,在使用不同的工具包一段时间后尝试它。
我想了解如何对自定义层和函数进行编程。作为一个简单的测试,我写了这个:
class Testme(nn.Module): ## it _is_ a sublcass of module ##
def __init__(self):
super(Testme, self).__init__()
def forward(self, x):
return x / t_.max(x)
其目的是使通过它的数据总和为 1。实际上没有用,只是在测试时。
然后我将其插入 PyTorch Playground 中的示例代码:
def make_layers(cfg, batch_norm=False):
layers = []
in_channels = 3
for i, v in enumerate(cfg):
if v == 'M':
layers += [nn.MaxPool2d(kernel_size=2, stride=2)]
else:
padding = v[1] if isinstance(v, tuple) else 1
out_channels = v[0] if isinstance(v, tuple) else v
conv2d = nn.Conv2d(in_channels, out_channels, kernel_size=3, padding=padding)
if batch_norm:
layers += [conv2d, nn.BatchNorm2d(out_channels, affine=False), nn.ReLU()]
else:
layers += [conv2d, nn.ReLU()]
layers += [Testme] # here <------------------
in_channels = out_channels
return nn.Sequential(*layers)
结果是错误的!
TypeError: model.Testme is not a Module subclass
也许这需要是一个函数而不是一个模块?也不清楚 Function、Module 之间有什么区别。
例如,为什么函数需要 backward()
,即使它完全由标准 pytorch 原语构建,而模块不需要这个?
最佳答案
这很简单。您几乎明白了,但是您忘记了实际创建新类 Testme 的实例。即使特定类的实例的创建不带任何参数(对于 Testme),您也需要这样做。但它比卷积层更容易忘记,通常会向卷积层传递很多参数。
将您指示的行更改为以下内容,您的问题就得到解决。
layers += [Testme()]
关于torch - pytorch自定义层 "is not a Module subclass",我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/44406819/