Pytorch 中nn.Moudle 与 nn.functional 的区别

一、命名区别

1.nn.Moudle中命名一般为: nn.Xxx (第一个X为大写)

例如：nn.Linear，nn.Conv2d，nn.CrossEntropyLoss等

2.nn.functional中命名一般为:nn.funtional.xxx

例如：nn.funicational.linear，nn.funicational.conv2d，nn.funicational.cross_entropy等

二、使用功能区别

从功能上来书两者相当，基于nn.Moudle能实现的层，使用nn.funicational也可以实现，反之亦然。

三、性能区别

从性能方面两者也没有太大差异。

四、使用区别

nn.Xxx 继承于 nn.Moudle，nn.Xxx 需要先实例化并传入参数，然后以函数调用的方式调用实例化的对象并传入输入数据。它能够很好地与 nn.Sequentual 结合使用，而 nn.funicational.xxx 无法与 nn.Sequential 结合使用nn.Xxx 不需要自己定义和管理 weight、bias 参数；而 nn.funicational.xxx 需要自己定义 weight、bias 参数，每次调用的时候都需要手动传入 weight、bias 等参数，不利于代码复用Dropout 操作在训练和测试阶段是有区别的，使用 nn.Xxx 方式定义 Dropout，在调用 model.evak() 之后，自动实现状态的转换，而使用 nn.funicational.xxx 却无此功能

总的来说，两种功能都是相同的。 官方推荐：具有学习参数的(例如： conv2d, linear, batch_norm)采用 nn.Xxx 方式。 没有学习参数的(例如： naxpool, loss func, activation func)等根据个人选择使用 nn.funicational.xxx 或者 nn.Xxx 方式

附： torch.nn 中文文档 torch.nn.functional 中文文档