PyTorch：使用nn.Sequential时如何对层输出执行标量乘法？

要在nn.Sequential中实现前一层输出与标量self.max_action的乘法，有几种可行方式：

1. 自定义简单模块（推荐，无序列化问题） #

自己写一个极简的nn.Module子类封装乘法逻辑，这是最稳妥的方式，无论标量是否可学习都适用：

import torch.nn as nn
import torch

class ScalarMultiply(nn.Module):
    def __init__(self, scalar):
        super().__init__()
        # 如果self.max_action是固定标量，直接赋值；如果是可学习参数，改用nn.Parameter
        self.scalar = scalar
        # 可学习参数版本：self.scalar = nn.Parameter(torch.tensor(scalar, dtype=torch.float32))

    def forward(self, x):
        return torch.mul(x, self.scalar)

然后在Sequential中添加该模块：

model.add_module(name='activation_output', module=ScalarMultiply(self.max_action))

2. 使用PyTorch内置的nn.MulConstant（仅适用于固定标量） #

如果self.max_action是固定不变的常数，可以直接用PyTorch提供的MulConstant模块：

model.add_module(name='activation_output', module=nn.MulConstant(self.max_action))

3. 使用nn.Lambda（快速实现，但序列化有局限） #

用Lambda模块直接包装乘法操作，写法简单，但如果需要保存/加载模型，这种方式可能会出现序列化问题（Lambda中的匿名函数无法被正确序列化）：

model.add_module(name='activation_output', module=nn.Lambda(lambda x: x * self.max_action))

内容的提问来源于stack exchange，提问作者Fabio Olivetto