Función PyTorch torch.nn.ModuleList

PyTorch torch.nn 参考手册PyTorch torch.nn Manual de referencia

torch.nn.ModuleListes un contenedor en PyTorch para almacenar listas de módulos.

Es similar a una lista de Python, pero registra automáticamente todos los submódulos.

Definición de la función

torch.nn.ModuleList(modules=None)

Ejemplo de uso

Ejemplo 1: Uso básico

Ejemplo

import torch
import torch.nn as nn

class Net(nn.Module):
    def __init__(self):
        super(Net, self).__init__()
        self.layers = nn.ModuleList([
            nn.Linear(10, 20),
            nn.Linear(20, 20),
            nn.Linear(20, 5)
        ])

    def forward(self, x):
        for layer in self.layers:
            x = layer(x)
        return x

model = Net()
x = torch.randn(4, 10)
output = model(x)

print("Entrada:", x.shape)
print("Salida:", output.shape)
print("Número de parámetros:", sum(p.numel() for p in model.parameters()))

Ejemplo 2: Construcción dinámica de capas

Ejemplo

import torch
import torch.nn as nn

class DynamicNet(nn.Module):
    def __init__(self, num_layers, dim):
        super(DynamicNet, self).__init__()
        self.layers = nn.ModuleList()
        for i in range(num_layers):
            in_dim = dim if i == 0 else dim
            self.layers.append(nn.Linear(in_dim, dim))

    def forward(self, x):
        for i, layer in enumerate(self.layers):
            x = layer(x)
            if i < len(self.layers) - 1:
                x = torch.relu(x)
        return x

model = DynamicNet(num_layers=5, dim=64)
print("Número de capas:", len(model.layers))
print("Parámetros totales:", sum(p.numel() for p in model.parameters()))

Ejemplo 3: Comparación con Sequential

Ejemplo

import torch
import torch.nn as nn

# ModuleList - flexible
mlist = nn.ModuleList([nn.Linear(10, 20), nn.ReLU(), nn.Linear(20, 5)])

# Sequential - orden fijo
seq = nn.Sequential(nn.Linear(10, 20), nn.ReLU(), nn.Linear(20, 5))

print("Acceso por índice de ModuleList:", mlist[0])
print("Acceso por índice de Sequential:", seq[0])
print("ModuleList se puede recorrer pero no tiene forward")
print("Sequential se llama directamente")

Casos de uso

  • Redes multicapa: construcción dinámica
  • Estructuras recurrentes: capas compartidas
  • Modelos complejos: requieren flujo de control personalizado

Nota: Se debe usar nn.ModuleList en lugar de una lista de Python.

PyTorch torch.nn 参考手册PyTorch torch.nn Manual de referencia

Otras extensiones