比较与torch.nn.ModuleDict的差异
torch.nn.ModuleDict
class torch.nn.ModuleDict(modules=None)
更多内容详见torch.nn.ModuleDict。
mindspore.nn.CellDict
class mindspore.nn.CellDict(*args, **kwargs)
更多内容详见mindspore.nn.CellDict。
差异对比
PyTorch:ModuleDict是一个Module字典,可以像使用普通Python字典一样使用它。
MindSpore:MindSpore此API实现功能与PyTorch基本一致。CellDict支持的Cell的类型与ModuleDict有两点不一致, 一是相比于ModuleDict, CellDict不支持存储从Cell派生而来的CellDict、CellList以及SequentialCell,详见代码示例1;二是CellDict不支持存储类型为None的Cell,详见代码示例2。
分类 |
子类 |
PyTorch |
MindSpore |
差异 |
---|---|---|---|---|
参数 |
参数1 |
modules |
args |
参数名不同,参数含义相同,均是用于初始化ModuleDict或CellDict的可迭代对象 |
参数2 |
kwargs |
MindSpore为待扩展的关键字参数预留,PyTorch无该参数 |
代码示例1
# PyTorch
from torch import nn
linear_p = nn.ModuleList([nn.Linear(2, 2)])
class Net(nn.Module):
def __init__(self):
super(Net, self).__init__()
self.module_dict = nn.ModuleDict({'conv': nn.Conv2d(1, 1, 3), 'linear': linear_p})
def forward(self):
return self.module_dict.items()
net = Net()
modules = net()
for item in modules:
print(item[0])
print(item[1])
# conv
# Conv2d(1, 1, kernel_size=(3, 3), stride=(1, 1))
# linear
# ModuleList(
# (0): Linear(in_features=2, out_features=2, bias=True)
# )
代码示例2
# PyTorch
from torch import nn
class Net(nn.Module):
def __init__(self):
super(Net, self).__init__()
self.module_dict = nn.ModuleDict({'conv': None, 'pool': None})
def forward(self):
return self.module_dict.items()
net = Net()
modules = net()
for item in modules:
print(item[0])
print(item[1])
# conv
# None
# pool
# None