zoukankan      html  css  js  c++  java
  • Pytorch CNN的各种参数

    class Model(torch.nn.Module):
    
        def __init__(self):
            super(Model, self).__init__()
            self.conv1 = torch.nn.Sequential(torch.nn.Conv2d(1, 4, kernel_size=5, stride=1,padding=0),
                                             torch.nn.MaxPool2d(stride=4, kernel_size=4))
    
            self.dense = torch.nn.Sequential(torch.nn.Linear(6 * 6 * 4, 33),
                                             torch.nn.ReLU(),
                                             torch.nn.Linear(33, 10))
    
        def forward(self, x):
            x = self.conv1(x)
            x = x.view(-1, 6 * 6 * 4)  #把卷积池化得到的向量平铺开
            x = self.dense(x)
            return x

    conv :卷积层(2d就是二维平面的)

      kernel_size 卷积核大小

      stride 每次移动的步长

      padding 四周填充的大小,注意是四周所以在算下一层的向量维度时要将padding 乘以 2

      maxpool2d 二维平面的池化层

    dense:全链接层

      Linear 一层神经元 输入维数 输出维数

      激活函数

      输出层,10分类

    forward 函数里的view(-1,n)就是把卷积池化得到的2维向量展开成1维的,便于传入全连接层

      

  • 相关阅读:
    读书笔记7
    读书笔记5
    读书笔记6
    读书笔记4
    读书笔记2
    读书笔记3
    读书笔记1
    嵌入式linux的调试技术
    硬件抽象层:HAL
    蜂鸣器驱动
  • 原文地址:https://www.cnblogs.com/cunyusup/p/9573656.html
Copyright © 2011-2022 走看看