Pytorch CNN的各种参数

最新推荐文章于 2025-02-13 18:39:53 发布

转载最新推荐文章于 2025-02-13 18:39:53 发布 · 1.9k 阅读

3 ·

CC 4.0 BY-SA版权

原文链接：http://www.cnblogs.com/cunyusup/p/9573656.html

文章标签：

#人工智能 #数据结构与算法

本文介绍了一个简易的卷积神经网络模型实现过程，包括卷积层、池化层及全连接层的设计，并详细解释了各层参数的意义及forward函数中view操作的作用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

class Model(torch.nn.Module):

    def __init__(self):
        super(Model, self).__init__()
        self.conv1 = torch.nn.Sequential(torch.nn.Conv2d(1, 4, kernel_size=5, stride=1,padding=0),
                                         torch.nn.MaxPool2d(stride=4, kernel_size=4))

        self.dense = torch.nn.Sequential(torch.nn.Linear(6 * 6 * 4, 33),
                                         torch.nn.ReLU(),
                                         torch.nn.Linear(33, 10))

    def forward(self, x):
        x = self.conv1(x)
        x = x.view(-1, 6 * 6 * 4)  #把卷积池化得到的向量平铺开
        x = self.dense(x)
        return x