Python 如何在torch中创建nn.Sequential的副本？

我正在尝试创建网络的副本。例如，下面是做同样事情的最简单方法-

net = nn.Sequential(
        nn.Conv2d(16, 32, 3, stride=2),
        nn.ReLU(),
        nn.Conv2d(32, 64, 3, stride=2),
        nn.ReLU(),
    )

net_copy = nn.Sequential(
        nn.Conv2d(16, 32, 3, stride=2),
        nn.ReLU(),
        nn.Conv2d(32, 64, 3, stride=2),
        nn.ReLU(),
    )

然而，重新定义网络并不是件好事。我尝试了以下方法，但没有成功-

net\u copy=nn.Sequential（net）

：在这种方法中，

net\u copy

似乎只是

net

的一个共享指针

net\u copy=nn.Sequential（*net.modules（））

：在这种方法中，

net\u copy

包含更多的层

最后，我用下面的方法累了

deepcopy

，效果很好-

net_copy = deepcopy(net)

---

然而，我想知道这是否是正确的方法。我认为它很好，因为它可以工作。

你想保持重量还是想要一个具有相同架构的新模型？@skinny_func:我想要一个具有相同架构的新模型。我猜

deepcopy

也在做同样的事情。

deepcopy

应该可以。您还可以创建一个函数，在创建网络实例后将参数和缓冲区从一个网络复制到另一个网络。@SzymonMaszke:我也这么认为<代码>深度复制工作正常。也许这是最简单的方法，而且也很干净！谢谢，你想保持重量还是想要一个具有相同结构的新模型？@skinny_func：我想要一个具有相同结构的新模型。我猜

deepcopy

也在做同样的事情。

deepcopy

应该可以。您还可以创建一个函数，在创建网络实例后将参数和缓冲区从一个网络复制到另一个网络。@SzymonMaszke:我也这么认为<代码>深度复制工作正常。也许这是最简单的方法，而且也很干净！谢谢