图像识别—pytorch基础代码

 

继承nn.Module基类构建模型

 

模型的结构包括：

     一个`Flatten`层，用于将输入数据展平。

     两个全连接层（`Linear`），分别有300和100个隐藏单元。

     两个批归一化层（`BatchNorm1d`）。

     一个输出层，有10个输出单元（通常用于10类分类问题）。

运行结果

使用nn.Sequential按层顺序构建模型

①利用可变参数

②使用add_module方法

③使用OrderedDict方法

 继承nn.Module基类并应用模型容器构建模型

①使用nn.Sequential模型容器

 

② 使用nn.ModuleList模型容器

 ③使用nn.ModuleDict模型容器

 

 自定义网络模块

残差块有两种:

①一种是正常的模块方式，将输入与输出相加，然后应用激活函数ReLU。 

 

 ②另一种是为使输入与输出形状一致，需添加通过1×1卷积调整通道和分辨率

 

 组合这两个模块得到现代经典RetNet18网络结构。

 

 训练模型

1.加载预处理数据集

2.定义损失函数

3.定义优化方法

4.循环训练模型

5.循环测试或验证模型

6.可视化结果