Python 如何在tf.keras.Sequential()中调用网络?
如果我使用pytorch,我可以使用[index]循环层:Python 如何在tf.keras.Sequential()中调用网络?,python,tensorflow,keras,deep-learning,pytorch,Python,Tensorflow,Keras,Deep Learning,Pytorch,如果我使用pytorch,我可以使用[index]循环层: layers = nn.ModuleList() q = nn.ModuleList() for _ in range(10): layers.append(attn) q.append(nn.Linear(dim1, dim2)) list = [] for index, layer in enumerate(self.layers): Q = q[index](inputTensor)
layers = nn.ModuleList()
q = nn.ModuleList()
for _ in range(10):
layers.append(attn)
q.append(nn.Linear(dim1, dim2))
list = []
for index, layer in enumerate(self.layers):
Q = q[index](inputTensor)
list.append(layer(attn))
所以,当我们使用tensorflow时,我们还能像pytorch一样使用索引吗
layers = tf.keras.Sequential()
q = tf.keras.Sequential()
for _ in range(10):
layers.add(attn)
q.add(Dense(dim2))
list = []
for index, layer in enumerate(layers):
Q = layer[index](inputTensor)
list.add(layer(att))
是-有可能:
model = tf.keras.Sequential([
tf.keras.layers.Dense(128),
tf.keras.layers.Dense(1) ])
for layer in model.layers:
Q = layer
谢谢你的回答!我稍微改变了问题,添加了另一个列表进行比较,以便更好地理解。我的方法有效吗?@Rhiannony是的,你可以索引,它不是PyTorch或TensorFlow功能,它适用于任何你可以在
for循环中运行的东西
@Muyide-Ibukun谢谢!所以我们可以使用索引来获取Sequential()中的某个网络,对吗?