1. 创作灵感

在创建大型网络的时候，如果使用nn.Sequential（）将几个有紧密联系的运算组成一个序列，可以使网络的结构更加清晰。

2.应用举例

为了记录nn.Sequential（）的用法，搭建以下测试网络：

2.1 方法一

把网络分成3个Sequential序列，分别实现：第一个是卷积序列，第二个是铺平成一维的操作，第3个包含了两个线性层。

 class TestNet(nn.Module):     def __init__(self, in_channels, mid_channels):         super(TestNet,self).__init__()         self.conv = nn.Sequential(             nn.Conv2d(in_channels,in_channels*2,kernel_size=3,stride=2,padding=1),             nn.BatchNorm2d(in_channels*2),             nn.ReLU(inplace=True),             nn.Conv2d(in_channels*2,in_channels*4,kernel_size=3,stride=2,padding=1),             nn.BatchNorm2d(in_channels*4),             nn.ReLU(inplace=True)         )         self.flat = nn.Flatten()         self.linaer = nn.Sequential(             nn.Linear(49*4, 64),             nn.Linear(64, 10),             nn.Linear(10, 1)         )      def forward(self,x):         x = self.conv(x)         print(x.shape)         x = self.flat(x)         print(x.shape)         x = self.linaer(x)         print(x.shape)         return x 

运行结果：

从维度上判断，网络符合预期。

2.2  方法二

第二种方法，在网络结构比较复杂且重复的单元比较多，为了自动化生成网络，通常会先定义一个列表，在列表中添加网络，再使用nn.Sequential()。

使用方法二所需要的代码如下：

class TestNet2(nn.Module):     def __init__(self, in_channels):         super(TestNet2,self).__init__()         layer1 = []         layer2 = []         layer1.append(nn.Conv2d(in_channels,in_channels*2,kernel_size=3,stride=2,padding=1))         layer1.append(nn.BatchNorm2d(in_channels*2))         layer1.append(nn.ReLU(inplace=True))         layer1.append(nn.Conv2d(in_channels*2,in_channels*4,kernel_size=3,stride=2,padding=1))         layer1.append(nn.BatchNorm2d(in_channels*4))         layer1.append(nn.ReLU(inplace=True))         self.conv = nn.Sequential(*layer1)         self.flat = nn.Flatten()         layer2.append(nn.Linear(49*4, 64))         layer2.append(nn.Linear(64, 10))         layer2.append(nn.Linear(10, 1))         self.linaer = nn.Sequential(*layer2)      def forward(self,x):         x = self.conv(x)         print(x.shape)         x = self.flat(x)         print(x.shape)         x = self.linaer(x)         print(x.shape)         return x

运行结果如下：

与第一种方法的结果相同。

参考文献：

nn.Sequential、nn.ModuleList、nn.ModuleDict区别及使用技巧-CSDN博客