Deep learning nn.Sequential的参数太少或太多

我是PyTorch的新手，所以请原谅我的愚蠢问题

我在编码器对象的init中定义nn.Sequential，如下所示：

self.list_of_blocks = [EncoderBlock(n_features, n_heads, n_hidden, dropout) for _ in range(n_blocks)]
self.blocks = nn.Sequential(*self.list_of_blocks)

EncoderBlock的前端看起来像这样

def forward(self, x, mask):

在编码器的forward（）中，我尝试执行以下操作：

z0 = self.blocks(z0, mask)

我希望nn.Sequential将这两个参数传递给各个块

然而，我明白了

TypeError: forward() takes 2 positional arguments but 3 were given

当我尝试时：

z0 = self.blocks(z0)

我得到（可以理解）：

当我不使用nn.Sequential并只执行一个又一个EncoderBlock时，它可以工作：

for i in range(self.n_blocks):
     z0 = self.list_of_blocks[i](z0, mask)

---

问题：我做错了什么？在这种情况下如何正确使用nn.Sequential？

Sequential通常不适用于多个输入和输出

这是一个经常讨论的话题，请参阅和GitHub问题或

您可以定义自己的sequential版本。假设所有编码器块的掩码都相同（例如，与变压器网络中的相同），则可以执行以下操作：

类掩码顺序（nn.顺序）： def转发（自身、x、掩码）： 对于self中的模块。\u modules.values（）： x=模块（x，掩码） 返回输入 或者，如果您的

EncoderBlock

s返回元组，您可以使用以下选项之一中建议的更通用的解决方案：

类MySequential（nn.Sequential）： def前进（自身，*输入）： 对于self中的模块。\u modules.values（）： 如果类型（输入）=元组： 输入=模块（*输入） 其他： 输入=模块（输入） 返回输入

for i in range(self.n_blocks):
     z0 = self.list_of_blocks[i](z0, mask)