容器和模型#

深度学习中，需要构建一个深度的网络，来实现需要的功能。

在深度神经网络中，每一层都可以看作一个基础模型。（例如基本的线性模型nn.Linear）

而深度神经网络需要大量的基础模型构成，为了方便管理这些基础模型，pytorch定义了Container容器类来整合这些基础Module。

当然，Container容器中可以嵌套更多的子容器。

在代码net = nn.Sequential(nn.Relu(), nn.Linear(20, 30), nn.Relu())中，定义了一个Sequential容器类。

同时还定义了3个Module类，分别是2个Relu层，1个Linear()线性层。

Container()类构建的过程中，实际上是对这些Module的引用，是一种浅拷贝。

我们将一个容器看作一个深度神经网络模型。

1
L1 = nn.Linear(30, 40)
2
net = nn.Sequential(nn.Linear(20, 30), L1, nn.Relu(), nn.Linear(40, 30), L1, nn.Relu());

1
net[0]

1
L1.bias = 2.00
2
print(net[1].bias)
3
print(net[4].bias)