Pytorch，自定义层按顺序工作，但不按功能工作

我使用的是来自的convGRU，当我在顺序模式下使用它时，它可以正常工作，但它不能与函数一起使用。当我说它不起作用时，我的意思是我从函数中得到黑色预测，而从序列中，输出与输入相似。代码中的其他内容保持不变。 下面是一个例子，说明了我一直从一行和另一行（第一行是目标，第二行是预测）

对

model = nn.Sequential(
    ConvGRU(
        input_size=(64, 64),
        input_dim=1,
        hidden_dim=1,
        kernel_size=(3, 3),
        num_layers=1,
        dtype=dtype,
        batch_first=True,
        bias=True,
        return_all_layers=False,
    )
)

是否知道在编程自定义层时，在功能或顺序中使用时应该考虑不同的因素

---

谢谢

如果两种情况下代码的其余部分相同且

ConvGRU

相同，则两者应相同。在第一种情况下，您似乎没有提供应作为第一维度的

batch

数据，而在第二种（“非功能性”）情况下正确地提供数据时，您会对此进行检查。顺便说一句，两者都不是功能性方法，

functional

可以在

torch.nn.functional

中找到，并且绝对不应该过度使用（通常用于激活或池）。如果其余代码相同，并且

ConvGRU

在这两种情况下都相同，则两者应该是等效的。在第一种情况下，您似乎没有提供应作为第一维度的

batch

数据，而在第二种（“非功能性”）情况下正确地提供数据时，您会对此进行检查。顺便说一句，两者都不是功能性方法，

功能性

可以在

torch.nn.功能性

中找到，并且绝对不应该过度使用（通常用于激活或池化）。

model = nn.Sequential(
    ConvGRU(
        input_size=(64, 64),
        input_dim=1,
        hidden_dim=1,
        kernel_size=(3, 3),
        num_layers=1,
        dtype=dtype,
        batch_first=True,
        bias=True,
        return_all_layers=False,
    )
)