能否在nn.Sequential中集成自定义函数？我的CGAN实现方式是否正确？

你的代码完全符合PyTorch的规范，可以将自定义的循环填充模块集成到nn.Sequential中，原因如下：

• nn.Sequential要求序列中的每个元素必须是继承自nn.Module的类实例，你的pad_dim_x类继承了nn.Module且实现了forward方法，满足这个核心要求。
• 你通过torch.cat实现的循环填充逻辑是合理的，能够正确完成环形边缘填充的需求，适配后续的转置卷积操作。

一些优化建议 #

为了让代码更符合PyTorch模块的设计习惯，你可以把填充参数和逻辑整合到类内部，让模块更灵活：

class CircularPad2d(nn.Module):
    def __init__(self, padding=1):
        super().__init__()
        self.padding = padding
    
    def forward(self, x):
        # 对宽度维度（最后一维）做循环填充
        x = torch.cat((x[..., -self.padding:], x, x[..., :self.padding]), dim=-1)
        # 对高度维度（倒数第二维）做循环填充
        x = torch.cat((x[..., -self.padding:, :], x, x[..., :self.padding, :]), dim=-2)
        return x

之后在Generator中使用时，直接传入CircularPad2d(padding=1)即可，后续需要调整填充大小也更方便。

需要注意的是，PyTorch官方并没有提供原生的循环填充模块，所以你手动实现的方式是必要的，当前的写法可以正常运行。

内容的提问来源于stack exchange，提问作者yx feng