了解卷积层中的nn.Sequential

Question

我是PyTorch /深度学习的新手，我试图了解如何使用以下行定义卷积层：

self.layer1 = nn.Sequential(nn.Conv1d(input_dim, n_conv_filters, kernel_size=7, padding=0), nn.ReLU(), nn.MaxPool1d(3))

我知道它正在为网络创建1d卷积层，最大池化宽度为3。但是，我不了解顺序模块或RelU的功能。这些在创建图层时如何发挥作用？

作为参考，其余代码可在此处找到：https://github.com/ArdalanM/nlp-benchmarks/blob/master/src/cnn/net.py

Answer 1

根据提供的描述，您似乎正在开发一个问题的卷积体系结构（更可能是计算机视觉，因为CNN通常是解决CV问题的目标）。

现在通过使用顺序模块来谈论代码，您正在告诉PyTorch您正在开发一种将以顺序方式工作的体系结构，并且通过指定ReLU，您在图片中引入了非线性的概念（ReLU是一个深度学习框架中广泛使用的激活功能）。非线性有助于CNN扩展到复杂的决策边界，并最终帮助CNN表现更好。

PS：我建议您回顾https://towardsdatascience.com/convolutional-neural-network-for-image-classification-with-implementation-on-python-using-pytorch-7b88342c9ca9，以便从编码人员的角度获得更好的主意。