一维卷积网络与BatchNorm1d、MaxPool1d联合使用

原创于 2023-03-21 17:50:13 发布 · 249 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习 #cnn #神经网络

Pytorch 专栏收录该内容

2 篇文章

订阅专栏

该文章介绍了一个使用PyTorch实现的一维卷积神经网络模型，模型包含两层Conv1d，每层后面跟着BatchNorm1d用于规范化和ReLU激活函数，接着是MaxPool1d进行最大池化。最后通过全连接层fc进行分类。输入尺寸为(16,1,425)，输出维度为6。

部署运行你感兴趣的模型镜像

一维卷积网络与BatchNorm1d、MaxPool1d联合使用

class CNN1d(nn.Module):
 
  def __init__(self):
    super(CNN1d,self).__init__()
    self.layer1 = nn.Sequential(
          nn.Conv1d(1,100,2),
          nn.BatchNorm1d(100),
          nn.ReLU(),
          nn.MaxPool1d(3, 2))
    self.layer2 = nn.Sequential(
          nn.Conv1d(100,50,2),
          nn.BatchNorm1d(50),
          nn.ReLU(),
          nn.MaxPool1d(3, 2))
    self.fc = nn.Linear(300,6)
  def forward(self,x):
    #input.shape:(16,1,425)
    out = self.layer1(x)
    out = out.view(out.size(0),-1)
    out = self.fc(out)
    return out

您可能感兴趣的与本文相关的镜像

PyTorch 2.5

PyTorch

Cuda

PyTorch 是一个开源的 Python 机器学习库，基于 Torch 库，底层由 C++ 实现，应用于人工智能领域，如计算机视觉和自然语言处理