Alexnet model

最新推荐文章于 2023-08-02 15:24:51 发布

原创

最新推荐文章于 2023-08-02 15:24:51 发布 · 160 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习

本文介绍了AlexNet神经网络模型，包括其结构层次（卷积层、池化层、全连接层）、参数初始化方法，以及如何通过Sequential进行模块化设计。重点展示了从输入到输出的完整流程，并提到了初始化权重的重要性。

import torch.nn as nn
import torch


class AlexNet(nn.Module):
    def __init__(self, num_classes=1000, init_weights=False):
        super(AlexNet, self).__init__()
        self.features = nn.Sequential(
            nn.Conv2d(3, 48, kernel_size=11, stride=4, padding=2),  # input[3, 224, 224]  output[48, 55, 55]
            nn.ReLU(inplace=True),
            nn.MaxPool2d(kernel_size=3, stride=2),                  # output[48, 27, 27]
            nn.Conv2d(48, 128, kernel_size=5, padding=2),           # output[128, 27, 27]
            nn.ReLU(inplace=True),
            nn.MaxPool2d(kernel_size=3, stride=2),                  # output[128, 13, 13]
            nn.Conv2d(128, 192, kernel_size=3, padding=1),          # output[192, 13, 13]
            nn.ReLU(inplace=True),
            nn.Tanh(),
            nn.Conv2d(192, 192, kernel_size=3, padding=1),          # output[192, 13, 13]
            nn.ReLU(inplace=True),
            nn.Conv2d(192, 128, kernel_size