打印和查看功能在 pytorch 中如何工作？

Question

这是我在网上找到的一个卷积神经网络

class Net(nn.Module):
    def __init__(self):
        super(Net, self).__init__()
        self.conv1 = nn.Conv2d(3, 10, kernel_size=5)
        self.conv2 = nn.Conv2d(10, 20, kernel_size=5)
        self.conv2_drop = nn.Dropout2d()
        self.fc1 = nn.Linear(500, 50)
        self.fc2 = nn.Linear(50, 64)

    def forward(self, x):
        x = F.relu(F.max_pool2d(self.conv1(x), 2))
        x = F.relu(F.max_pool2d(self.conv2_drop(self.conv2(x)), 2))
        x = x.view(-1, 500)
        x = F.relu(self.fc1(x))
        x = F.dropout(x, training=self.training)
        x = self.fc2(x)
        return F.log_softmax(x)

及其摘要

print(net)
Net(
  (conv1): Conv2d(3, 10, kernel_size=(5, 5), stride=(1, 1))
  (conv2): Conv2d(10, 20, kernel_size=(5, 5), stride=(1, 1))
  (conv2_drop): Dropout2d(p=0.5)
  (fc1): Linear(in_features=500, out_features=50, bias=True)
  (fc2): Linear(in_features=50, out_features=64, bias=True)
)

x.view是做什么的？是不是类似于keras中的Flatten函数。另一个查询是关于 pytorch 如何打印模型的摘要。尽管该模型使用了两个 dropouts nn.Dropout2d() 和 F.dropout。打印模型时我们只能看到一个 (conv2_drop): Dropout2d(p=0.5)，为什么？。最后一个问题是为什么pytorch不打印F.max_pool2d层？

Answer 1

1) x.view 可以做的不仅仅是展平：它会在重塑维度的同时保留相同的数据。所以使用 x.view(batch_size, -1) 将等同于 Flatten

2) 在nn.Module的__repr__函数中，打印的元素是self._modules.items()中的子模块。

F.dropout和F.max_pool2d是函数而不是nn.Module的子函数，因此它们不是层，不会被打印。然而，对于汇集和丢弃，torch.nn 中有一个模块，您已经将其用于第一个丢弃。

打印和查看功能在 pytorch 中如何工作？

How is the print and view functions works in pytorch?

pytorch