李沐笔记（卷积神经网络（LeNet））

最新推荐文章于 2024-08-04 10:55:56 发布

原创

最新推荐文章于 2024-08-04 10:55:56 发布 · 890 阅读

5 ·

CC 4.0 BY-SA版权

文章标签：

#cnn #神经网络 #深度学习

该博客介绍了经典的LeNet-5模型，它包括两个卷积层构成的编码器和三个全连接层组成的密集块，是深度学习领域的早期重要工作，主要用于图像识别。

LeNet（LeNet-5）由两个部分组成：卷积编码器：由两个卷积层组成; 全连接层密集块：由三个全连接层组成。

import torch
from torch import nn
from d2l import torch as d2l

# LeNet由两个部分组成：卷积编码器和全连接层密集块
class Reshape(torch.nn.Module):
    def forward(self, X):
        return X.view(-1,1,28,28)   # 批量数不变，通道数为1 28*28


net = torch.nn.Sequential(Reshape(),
                          nn.Conv2d(1, 6,kernel_size=5, padding=2),     # 输入通道1输出通道6
                          nn.Sigmoid(),
                          nn.AvgPool2d(kernel_size=2, stride=2),
                          nn.Conv2d(6, 16, kernel_size=5),
                          nn.Sigmoid(),
                          nn.AvgPool2d(kernel_size=2, stride=2),
                          nn.Flatten(),