两个神经网络模型并联pytorch

在PyTorch中，将两个神经网络模型串联（即并联）通常意味着将它们作为连续的层添加到同一个模型结构中。这种架构也被称为深层模型，可以用于处理更复杂的输入和输出映射任务。下面是一个简单的例子：

import torch
from torch import nn

# 创建第一个神经网络模块
model1 = nn.Sequential(
    nn.Linear(input_dim, hidden_dim1),
    nn.ReLU(),
    nn.Linear(hidden_dim1, hidden_dim2)
)

# 创建第二个神经网络模块
model2 = nn.Sequential(
    nn.Linear(input_dim, hidden_dim3),
    nn.ReLU(),
    nn.Linear(hidden_dim3, output_dim)
)

# 合并两个模块成为并联模型
ensemble_model = nn.Sequential(model1, model2)

在这个例子中，`input_dim`是输入数据的维度，`hidden_dim1`, `hidden_dim2`, 和 `hidden_dim3`分别是每个隐藏层的维度，`output_dim`是输出层的维度。`nn.Sequential`允许我们将各个层按照顺序连接起来。

当你想要预测时，你可以直接通过`ensemble_model`接收输入数据，并从最后一个激活函数后的输出得到结果。这在某些场景下可能会提高性能，比如集成多个模型的预测或共享部分特征提取。