基于pytorch和CIFAR10的简单神经网络模型建立

唐人街小白

已于 2023-04-22 21:11:58 修改

阅读量248

点赞数 4

文章标签： pytorch 神经网络深度学习

于 2023-04-22 20:54:56 首次发布

本文链接：https://blog.youkuaiyun.com/m0_73388815/article/details/130310268

版权

1.导入所需的库

import torch
from torch import nn
import torchvision.datasets
from torch.utils.tensorboard import SummaryWriter
from torch.utils.data import DataLoader

2.定义神经网络模型：可以设计一个由卷积层和全连接层组成的简单神经网络模型。例如，以下示例代码定义了一个包含两个卷积层和三个全连接层的网络。

class CK(nn.Module):
    def __init__(self):
        super(CK, self).__init__()
        self.model=nn.Sequential(
            nn.Conv2d(3,32,5,1,2),
            nn.MaxPool2d(2),
            nn.Conv2d(32,32,5,1,2),
            nn.MaxPool2d(2),
            nn.Conv2d(32,64,5,1,2),
            nn.MaxPool2d(2),
            nn.Flatten(),
            nn.Linear(64*4*4,64),
            nn.Linear(64,10)
        )
    def forward(self,x):
        x=self.model(x)
        return x
ck=CK()

3.加载数据集：可以使用PyTorch提供的datasets.CIFAR10类加载CIFAR10数据集，同时需要对图像进行预处理。