wkacct acctwk's questions

如果标题中的术语奇怪或不正确，我深表歉意，我尝试参考以下场景：

作为一个最小的例子，我定义一个网络如下：

class Convolution_Layers(nn.Module):
  def __init__(self, in, out, kernel):
    super(Convolution_Layers, self).__init__()
  
    self.conv2d = nn.Conv2d(in_channels=in, out_channels=out, kernel_size=kernel)

    self.conv2d_layers = nn.Sequential(
      self.conv2d,
      nn.ReLU,
    )

  forward(self,x):
    return self.conv2d_layers(x)
    

class Network_Model(nn.Module):
  def __init__(self):
    super(Network_Model, self).__init__()
    self.basic_conv = Convolution_layers(1,1,3)

    self.subnetwk_1 = nn.ModuleList().append([self.basic_conv])
    self.subnetwk_2 = nn.ModuleList().append([self.basic_conv])

  def forward(self,x1,x2):
    out1, out2 = x1, x2
    for l in self.subnetwk_1:
      out1 = l(x1)
    for l in self.subnetwk_2:
      out2 = l(x2)
    return out1,out2

我想知道这是否会导致子网 1 和 2 中的权重被共享，因为它们来自同一卷积层实例。

理想情况下，我希望权重是分开的，但只能创建一次基本卷积块，然后在其他地方重复使用它。可能有更好的方法来实现这一点。