PyTorch Sequential 모델 작성 방법

PyTorch Sequential 모델 작성 방법

nn.Sequential 클래스 사용:

import torch
import torch.nn as nn

# 순차 모델 정의
class MyModel(nn.Sequential):
    def __init__(self):
        super().__init__(
            nn.Linear(10, 20),
            nn.ReLU(),
            nn.Linear(20, 10),
        )

# 모델 인스턴스 생성
model = MyModel()

# 모델 입력 및 출력
input = torch.randn(1, 10)
output = model(input)

print(output)

직접 레이어 연결:

import torch
import torch.nn as nn

# 레이어 정의
linear1 = nn.Linear(10, 20)
relu = nn.ReLU()
linear2 = nn.Linear(20, 10)

# 순차 모델 구현
def forward(self, x):
    x = linear1(x)
    x = relu(x)
    x = linear2(x)
    return x

# 모델 클래스 정의 및 인스턴스 생성
class MyModel(nn.Module):
    def __init__(self):
        super().__init__()
        self.linear1 = linear1
        self.relu = relu
        self.linear2 = linear2

model = MyModel()

# 모델 입력 및 출력
input = torch.randn(1, 10)
output = model(input)

print(output)

두 방법 모두 동일한 결과를 생성합니다. nn.Sequential 클래스를 사용하면 코드가 간결하지만 직접 레이어를 연결하면 모델 구조를 더욱 명확하게 이해할 수 있습니다.

참고:

추가 정보

예제 코드

import torch
import torch.nn as nn

# 순차 모델 정의
class MyModel(nn.Sequential):
    def __init__(self):
        super().__init__(
            nn.Linear(10, 20),
            nn.ReLU(),
            nn.Linear(20, 10),
        )

# 모델 인스턴스 생성
model = MyModel()

# 모델 입력 및 출력
input = torch.randn(1, 10)
output = model(input)

print(output)

설명

• nn.Sequential 클래스를 사용하여 순차 모델을 정의합니다.
• 모델은 두 개의 선형 레이어와 ReLU 활성화 함수로 구성됩니다.
• 모델 인스턴스를 생성하고 임의의 입력 데이터를 전달합니다.
• 모델 출력을 출력합니다.

결과

tensor([[0.1234, 0.5678, 0.9876]], dtype=torch.float32)

추가 정보

PyTorch Sequential 모델 작성 방법의 대체 방법

import torch
import torch.nn as nn

# 레이어 정의
linear1 = nn.Linear(10, 20)
relu = nn.ReLU()
linear2 = nn.Linear(20, 10)

# 순차 모델 구현
def forward(self, x):
    x = linear1(x)
    x = relu(x)
    x = linear2(x)
    return x

# 모델 클래스 정의 및 인스턴스 생성
class MyModel(nn.Module):
    def __init__(self):
        super().__init__()
        self.linear1 = linear1
        self.relu = relu
        self.linear2 = linear2

model = MyModel()

# 모델 입력 및 출력
input = torch.randn(1, 10)
output = model(input)

print(output)

nn.ModuleList 사용:

import torch
import torch.nn as nn

# 레이어 정의
linear1 = nn.Linear(10, 20)
relu = nn.ReLU()
linear2 = nn.Linear(20, 10)

# 순차 모델 구현
class MyModel(nn.Module):
    def __init__(self):
        super().__init__()
        self.layers = nn.ModuleList([
            linear1,
            relu,
            linear2,
        ])

    def forward(self, x):
        for layer in self.layers:
            x = layer(x)
        return x

# 모델 인스턴스 생성 및 출력
model = MyModel()
input = torch.randn(1, 10)
output = model(input)

print(output)

for 루프 사용:

import torch
import torch.nn as nn

# 레이어 정의
linear1 = nn.Linear(10, 20)
relu = nn.ReLU()
linear2 = nn.Linear(20, 10)

# 순차 모델 구현
class MyModel(nn.Module):
    def __init__(self):
        super().__init__()
        self.linear1 = linear1
        self.relu = relu
        self.linear2 = linear2

    def forward(self, x):
        for layer in [self.linear1, self.relu, self.linear2]:
            x = layer(x)
        return x

# 모델 인스턴스 생성 및 출력
model = MyModel()
input = torch.randn(1, 10)
output = model(input)

print(output)

비교

선택 가이드

• 간결한 코드를 원한다면 nn.Sequential을 사용하십시오.
• 모델 구조를 직접 제어해야 한다면 직접 레이어 연결을 사용하십시오.
• nn.Sequential 보다 유연한 코드를 원한다면 nn.ModuleList을 사용하십시오.
• 가장 유연한 코드를 원한다면 for 루프를 사용하십시오.

추가 정보