深度学习pytorch:linear()

最新推荐文章于 2025-04-05 10:31:37 发布

拜托别延毕_a

最新推荐文章于 2025-04-05 10:31:37 发布

阅读量277

点赞数

分类专栏： pytorch学习文章标签：机器学习 pytorch 人工智能深度学习 python

本文链接：https://blog.youkuaiyun.com/weixin_44575717/article/details/124048800

版权

pytorch学习专栏收录该内容

14 篇文章

订阅专栏

该博客演示了如何使用PyTorch加载CIFAR10数据集，并构建一个简单的线性模型进行前向传播。代码中定义了一个名为LR的线性模型类，通过DataLoader加载数据并进行批量处理。数据经过reshape和模型后，输出了处理后的张量形状。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import torch
import torchvision.datasets
from mmcv import DataLoader
from mmcv.cnn import Linear
from torch import nn

dataset = torchvision.datasets.CIFAR10(r"C:\Users\123\Desktop\python4.7\test03\data", train=False, transform=torchvision.transforms.ToTensor(),
                                       download=True)
dataloader = DataLoader(dataset, batch_size=64)

class LR(nn.Module):
    def __init__(self):
        super(LR, self).__init__()
        self.linear1 = Linear(196608, 10)

    def forward(self, input):
        output = self.linear1(input)
        return output

lrp = LR()



for data in dataloader:
    imgs, targets = data
    print(imgs.shape)
    output = torch.reshape(imgs, (1, 1, 1, -1))
    # output = torch.flatten(imgs)
    print(output.shape)
    output = lrp(output)
    print(output.shape)