【PyTorch深度学习】第十讲：CNN高阶

最新推荐文章于 2025-12-26 22:25:18 发布

原创

最新推荐文章于 2025-12-26 22:25:18 发布 · 192 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习 #卷积神经网络 #pytorch

1.概念原理

gooleNet：既能保持网络结构的稀疏性，又能利用密集矩阵的高计算性能

inception：多候选卷积核，取最佳
·concatenate：拼接张量；
· average polling：保证宽高一致
· 1x1卷积核：改变通道数量（通道相加）；减少运算的数量；跨越不同通道，相同元素的值

2.代码实现

# author:ZhuYuYing
# data:2021/7/12
# projectName:tor-start
import torch
import torch.nn as nn
from torchvision import transforms
from torchvision import datasets
from torch.utils.data import DataLoader
import torch.nn.functional as F
import torch.optim as optim

# prepare dataset

batch_size = 64
transform = transforms.Compose([transforms.ToTensor(), transforms.Normalize((0.1307,), (0.3081,))])  # 归一化,均值和方差

train_dataset = datasets.MNIST(root='../dataset/mnist/', train=True, download=True, transform=transform)
train_loader = DataLoader(train_dataset, shuffle=True, batch_size=batch_size)
test_dataset = datasets.MNIST(root='../dataset/mnist/', train=False, downlo