pytorch入门学习——构建简单cnn关于num_flat_features、x.size()[1:]的作用

原创

于 2020-07-23 09:22:39 发布 · 5.9k 阅读

117 ·

CC 4.0 BY-SA版权

文章标签：

#python #神经网络 #卷积 #深度学习 #人工智能

pytorch入门学习——构建简单cnn关于num_flat_features、x.size()[1:]的作用

初次学习官方入门教程

初次学习，好多不懂，上网找到了这篇文章，解释得很好：
文章链接
torch.nn只接受mini-batch的输入，也就是说我们输入的时候是必须是好几张图片同时输入。

例如：nn. Conv2d 允许输入4维的Tensor：n个样本 x n个色彩频道 x 高度 x 宽度。

#coding=utf-8
import torch
import torch.nn as nn
import torch.nn.functional as F
from torch.autograd import Variable

class Net(nn.Module):
    #定义Net的初始化函数，这个函数定义了该神经网络的基本结构
    def __init__(self):
        super(Net, self).__init__() #复制并使用Net的父类的初始化方法，即先运行nn.Module的初始化函数
        self.conv1 = nn.Conv2d(1, 6, 5) # 定义conv1函数的是图像卷积函数：输入为图像（1个频道，即灰度图）,输出为 6张特征图, 卷积核为5x5正方形
        self.conv2 = nn.Conv2d(