记录使用pytorch构建网络模型过程遇到的点

1. 网络模型构建中的问题

1.1　输入变量是Tensor张量

各个模块，和网络模型的输入，　一定要是tensor 张量；

可以是一个列表，列表中的每一个项是张量，
如果是维度不够，需要升维度，
可以先使用 torch.unsqueeze(dim = expected)
然后再使用torch.cat(dim ) 进行拼接；

• 需要传递梯度的数据，禁止使用numpy， 或者先使用numpy，　然后再转换成张量的这种情况出现；

这是因为pytorch的机制是只有是 Tensor　张量的类型，才会有梯度等属性值，如果是numpy这些类别，　这些变量并会丢失其梯度值。

1.2　同一层中，多个模块并行；

当网络中的同一层中，存在多个相同的模块，

• 需要实例化多个相同模块，　且多个模块之间属于串行关系时，
  可以直接使用 nn.sequential() 函数构建多个模块；

• 需要实例化多个模块，　且多个模块之间属于并行关系；
  此时，可以使用python　自带的内置函数 setattr(),

setattr(object, name, value)

object – 对象。
name – 字符串，对象属性。
value – 属性值。

对已存在的属性进行赋值：
>>>class A(object):
...     bar = 1
... 
>>> a = A()
>>> getattr(a, 'bar')          # 获取属性 bar 值
1
>>> setattr(a, 'bar', 5)       # 设置属性 bar 值
>>> a.bar
5如果属性不存在会创建一个新的对象属性，并对属性赋值:>>>class A():
...     name = "runoob"
... 
>>> a = A()
>>> setattr(a, "age", 28)
>>> print(a.age)
28
>>>