NNの層の instance(/Object)を配列に入れたら、ネットparameter(重み、バイアス、等)がネットparameterリストに登録できなくなる❓

Python
1
2class CNN_generator(nn.Module):
3
4  def __init__(self,convSetSet,device):
5    super(CNN_generator, self).__init__()
6
7    convSetSet=[
8                [inChannels,     outChannels[0], kernelSizes[0], { 'pReLu1':nn.PReLU(outChannels[0]).to(device) } ],
9                [outChannels[0], outChannels[1], kernelSizes[0], { 'pReLu2':nn.PReLU(outChannels[1]).to(device), 'MaxPool1':self.maxpool1, 'DropOut1':self.dropout1 } ],
10                [outChannels[1], outChannels[2], kernelSizes[0], { 'pReLu3':nn.PReLU(outChannels[2]).to(device) } ],
11                [outChannels[2], outChannels[3], kernelSizes[0], { 'pReLu4':nn.PReLU(outChannels[3]).to(device), 'DropOut2':self.dropout2, 'MaxPool2':self.maxpool2 } ]
12               ]
13
14    
15    #### 1⃣   NN parameterリストに登録してくれない：
16    self.modules = [Conv2dBlock(convSetSet[0],device).to(device)]*10  #10個のNN layer生成したが、NNのパラメータListに反映してくれない
17    print("\n self.modules= \n",self.modules )
18
19
20    #### 2⃣  NN parameterリストに登録してくれない：
21    for i,convSet in enumerate(convSetSet):
22      self.modules[i] =  Conv2dBlock(convSet,device).to(device)  #4個のNN layer生成したが、NNのパラメータListに反映してくれない
23
24    #### 3⃣  NN parameterリストに登録してくれない：
25    for convSet in convSetSet:
26      self.modules.append(Conv2dBlock(convSet,device).to(device))  #4個のNN layer生成したが、NNのパラメータListに反映してくれない
27    
28    #### 4⃣   NN parameterリストに登録してくれない：
29    self.blocks = [nn.Sequential() for i in range(10)]
30
31    self.blocks[0].add_module("Block1_ConvB1", Conv2dBlock(convSetSet[0],device))
32    self.blocks[1].add_module("Block1_ConvB2", Conv2dBlock(convSetSet[1],device))
33    self.blocks[2].add_module("Block1_ConvB3", Conv2dBlock(convSetSet[2],device))
34    self.blocks[3].add_module("Block1_MaxPool", nn.MaxPool2d(kernel_size=3, stride=2, padding=1))
35
36
37    #======================================================================# 
38
39    #### 5⃣ NN parameterリストに登録できる：
40    self.sequent = nn.Sequential()
41    self.sequent.add_module("Block1_ConvB3", Conv2dBlock(convSetSet[2],device))
42
43上記5⃣の場合の結果：　　
44class CNN_generator(nn.Module)のinstanceのprint : 
45
46(sequent): Sequential(
47    (Block1_ConvB3): Conv2dBlock(
48      (conv): Conv2d(16, 32, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1), bias=False, padding_mode=replicate)
49      (layers): Sequential(
50        (Conv2d): Conv2d(16, 32, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1), bias=False, padding_mode=replicate)
51        (BatchNorm2d): BatchNorm2d(32, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
52        (relu3): ReLU(inplace=True)
53      )
54    )
55  )
56
57

nn.Sequential()を利用せず、単刀直入の場合：

Python
1class CNN_generator(nn.Module):
2
3  def __init__(self,convSetSet,device):
4    super(CNN_generator, self).__init__()
5
6    #### 1⃣   NN parameterリストに登録してくれない：
7
8    self.convBlocks = [Conv2dBlock(convSetSet[0],device).to(device)]*10
9    
10    for i,convSet in enumerate(convSetSet):
11      self.convBlocks[i] =  Conv2dBlock(convSet,device).to(device)
12
13    #======================================================================# 
14
15    #### 2⃣   NN parameterリストに登録できる：
16    self.convBlock0 = Conv2dBlock(convSetSet[0],device).to(device)
17    self.convBlock1 = Conv2dBlock(convSetSet[1],device).to(device)
18    self.convBlock2 = Conv2dBlock(convSetSet[2],device).to(device)
19
20  
21上記2⃣の場合の結果：　　class CNN_generator(nn.Module)のinstanceのprint : 
22
23(convBlock0): Conv2dBlock(
24    (conv): Conv2d(1, 16, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1), bias=False, padding_mode=replicate)
25    (layers): Sequential(
26      (Conv2d): Conv2d(1, 16, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1), bias=False, padding_mode=replicate)
27      (BatchNorm2d): BatchNorm2d(16, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
28      (relu1): ReLU(inplace=True)
29    )
30  )
31  (convBlock1): Conv2dBlock(
32    (conv): Conv2d(16, 16, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1), bias=False, padding_mode=replicate)
33    (layers): Sequential(
34      (Conv2d): Conv2d(16, 16, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1), bias=False, padding_mode=replicate)
35      (BatchNorm2d): BatchNorm2d(16, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
36      (relu2): ReLU(inplace=True)
37      (MaxPool1): MaxPool2d(kernel_size=(2, 2), stride=(2, 2), padding=0, dilation=1, ceil_mode=False)
38      (DropOut1): Dropout(p=0.25, inplace=False)
39    )
40  )
41  (convBlock2): Conv2dBlock(
42    (conv): Conv2d(16, 32, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1), bias=False, padding_mode=replicate)
43    (layers): Sequential(
44      (Conv2d): Conv2d(16, 32, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1), bias=False, padding_mode=replicate)
45      (BatchNorm2d): BatchNorm2d(32, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
46      (relu3): ReLU(inplace=True)
47    )
48  )
49