pytorch实现卷积神经网络（LeNet5）

Chaojun_Shi

已于 2022-05-10 10:59:14 修改

阅读量964

点赞数 2

分类专栏： python 深度学习技术文章标签： pytorch cnn 深度学习

于 2022-05-10 10:00:44 首次发布

本文链接：https://blog.youkuaiyun.com/qq_21466543/article/details/124681618

版权

本文介绍了如何使用PyTorch构建经典的LeNet5卷积神经网络，并详细展示了训练MNIST数据集的过程，包括训练损失、准确率以及在测试集上的表现，并在训练完成后保存了最优模型。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1. 建立LeNet5主干网络

import torch
from torch import nn

# 定义网络模型
class LeNet5(nn.Module):
    #初始化网络
    def __init__(self):
        super(LeNet5, self).__init__()
        
        self.c1 = nn.Conv2d(in_channels=1, out_channels=64, kernel_size=5, padding=2)        
        self.Sigmoid = nn.Sigmoid()
        self.s2 = nn.AvgPool2d(kernel_size=2, stride=2)       
        self.c3 = nn.Conv2d(in_channels=64, out_channels=128, kernel_size=5)
        self.s4 = nn.AvgPool2d(kernel_size=2, stride=2)
        self.c5 = nn.Conv2d(in_channels=128, out_channels=256, kernel_size=5)
        
        self.flatten = nn.Flatten()
        self.f6 = nn.Linear(in_features=256, out_features=512)
        self.output = nn.Linear(in_features=512, out_features=10)
        
    def forward(self, x):
        x = self.Sigmoid(self.c1(x))
        x = self.s2(x)
        x = self.Sigmoid(self.c3(x))
        x = self.s4(x)
        x = self.c5(x)
        x = self.flatten(x)
        x = self.f6(x)
        x = self.output(x)
        return x

if __name__=="__main__":
    x = torch.rand([1, 1, 28, 28])
    model = LeNet5()
    y = model(x)