这篇文章给大家分享的是pytorch中的nn.Sequential(*net[3: 5])表示什么，怎么应用的。小编觉得挺实用的，因此分享给大家做个参考，文中的介绍得很详细，而要易于理解和学习，有需要的朋友可以参考，接下来就跟随小编一起了解看看吧。

看到代码里面有这个

1 class ResNeXt101(nn.Module):
    2 def __init__(self):
        3 super(ResNeXt101, self).__init__()
        4 net = resnext101()
        # print(os.getcwd(), net)

        5 net = list(net.children())  # net.children()得到resneXt 的表层网络
        # for i, value in enumerate(net):
        #     print(i, value)
        6 self.layer0 = nn.Sequential(net[:3])  # 将前三层打包0， 1， 2两层
        print(self.layer0)
        7 self.layer1 = nn.Sequential(*net[3: 5])  # 将3, 4两层打包
        8 self.layer2 = net[5]
        9 self.layer3 = net[6]

可以看到代码中的第六行（序号自己去掉，我打上去的） self.layer0 = nn.Sequential(net[:3])和
第七行self.layer1 = nn.Sequential(*net[3: 5])
有一个nn.Sequential(net[:3])
和nn.Sequential(*net[3: 5])
今天不讲nn.Sequential（）用法，意义，作用因为我也不咋明白。惊天就说*net[3: 5]这个东西为啥要带“ * ”
当代码中不带*的时候，运行会出现以下问题

意思就是列表不是子类，就是说参数不对

net = list(net.children())

这一行代码是将模型的每一层取出来构建一个列表，自己试着打印就可以。大概的输出就是[conv()，BatchNorm2d()， ReLU，MaxPool2d]等等

总共是是个元素，和一般的列表不太一样。

当我们取net[:3]的时候，传进去的参数是一个列表，但是我们用*net[:3]的时候传进去的是单个元素

list1 = ["conv", ("relu", "maxing"), ("relu", "maxing", 3), 3]
list2 = [list1[:1]]
list3 = [*list1[:1]]
print("list2:{}, *list1[:2]:{}".format(list1[:1], *list1[:1]))

结果不带的是列表，带的是元素，所以nn.Sequential(*net[3: 5])中的*net[3: 5]就是给nn.Sequential()这个容器中传入多个层。

感谢各位的阅读，以上就是“pytorch中的nn.Sequential(*net[3: 5])表示什么，怎么应用的”的内容了，经过本文的学习后，相信大家对pytorch中的nn.Sequential(*net[3: 5])表示什么，怎么应用的都有更深刻的体会了吧。这里是群英网络，小编将为大家推送更多相关知识点的文章，欢迎关注！