Question

我正在训练一个非常简单的模型，该模型将隐藏层的数量作为参数。我最初将这些隐藏层存储在香草python列表[]中，但是，当将此列表转换为nn.ModuleList时，训练会显着降低至少一个数量级！ / p>

AdderNet

class AdderNet(nn.Module):
    def __init__(self, num_hidden, hidden_width):
        super(AdderNet, self).__init__()
        self.relu = nn.ReLU()

        self.hiddenLayers = []
        self.inputLayer = nn.Linear(2, hidden_width)
        self.outputLayer = nn.Linear(hidden_width, 1)

        for i in range(num_hidden):
            self.hiddenLayers.append(nn.Linear(hidden_width, hidden_width))

        self.hiddenLayers = nn.ModuleList(self.hiddenLayers)  # <--- causes DRAMATIC slowdown!

    def forward(self, x):
        out = self.inputLayer(x)
        out = self.relu(out)

        for layer in self.hiddenLayers:
            out = layer(out)
            out = self.relu(out)

        return self.outputLayer(out)

培训

for epoch in range(num_epochs):
    for i in range(0,len(data)):
        out = model.forward(data[i].x)
        loss = lossFunction(out, data[i].y)

        optimizer.zero_grad()
        loss.backward()
        optimizer.step()

Answer 1

那是因为当使用普通的python列表时，参数不会添加到模型的参数列表中，而在使用ModuleList时会添加。因此，在原始方案中，您从未真正训练过隐藏层，这就是为什么它更快的原因。（在每种情况下打印出model.parameters（），看看会发生什么！）

在Python列表上使用nn.ModuleList会大大减慢训练速度

1 个答案: