python - 如何在pytorch中分离最后一层深层网络？

Question

我的深层网络是：

self.actor = nn.Sequential(
   nn.Linear(state_dim, 256),
   nn.Softplus(),
   nn.Linear(256, 256),
   nn.Softplus(),
   nn.Linear(256, action_dim),
   nn.Softplus())

现在，我希望网络提供两个单独的输出，如下所示：

也就是说，只有网络的最后一层不同，可能最后一层的激活函数不同。我应该如何更改上面的代码？

标签： pythondeep-learningpytorch

Answer 1

您要构建的模型不再是连续的，因为最后有两个并行分支。您可以保留公共主干并使用两个额外的单独层分开。就像是：

class Model(nn.Module):
    def __init__(self):
        super.__init__()

        self.actor = nn.Sequential(
            nn.Linear(state_dim, 256),
            nn.Softplus(),
            nn.Linear(256, 256),
            nn.Softplus())
      
        self.outA = nn.Sequential(
            nn.Linear(256, action_dim),
            nn.Softplus())

        self.outB = nn.Sequential(
            nn.Linear(256, action_dim),
            nn.Softplus())
  
    def forward(self, x):
      features = self.actor(x)
      return self.outA(features), self.outB(features)