nn.module 看图搭建网络

简单的网络：y = x+1

import torch
from torch import nnclass Mymodule(nn.Module):def __init__(self):super(Mymodule，self).__init__()def forward(self,x):x = x + 1return x
mymodule = Mymodule()
x = torch.tensor(1.0)
y = mymodule(x)
print(y)

实现图示网络架构

pytorch的nn.module 的时候从使用说明上可以知道其标准输入为 [B, C, H, W]
法1

import torch
from torch import nn
from torch.nn import Conv2d,MaxPool2d,Flatten,Linear,Sequentialclass MyModule(nn.Module):def __init__(self):super(MyModule, self).__init__()self.conv1 = nn.Conv2d(3,32,5,padding=2)self.maxpool1 = nn.MaxPool2d(2)self.conv2 = nn.Conv2d(32,32,5,padding=2)self.maxpool2 = nn.MaxPool2d(2)self.conv3 = nn.Conv2d(32, 64, 5, padding= 2)self.maxpool3 = nn.MaxPool2d(2)self.flatten = nn.Flatten()self.Linear1 = nn.Linear(1024,64)self.Linear2 = nn.Linear(64, 10)def forward(self,x):x = self.conv1(x)x = self.maxpool1(x)x = self.conv2(x)x = self.maxpool2(x)x = self.conv3(x)x = self.maxpool3(x)x = self.flatten(x)x = self.Linear1(x)x = self.Linear2(x)return xmymodule = MyModule()
print(mymodule)  #打印网络# 测试网络
input = torch.ones((64,3,32,32))
print(input)
output = mymodule(input)   ## 出错 output  是none
print(output.shape)
print("over")#  输入 64*3*32*32 batch*C*H*W
#  输出 64*10

法2

# 写网络架构：两种方法
import torch
from torch import nn
from torch.nn import Conv2d,MaxPool2d,Flatten,Linear,Sequential#  方法2  Sequantial
class MyModule(nn.Module):def __init__(self):super(MyModule, self).__init__()self.model1 = Sequential(Conv2d(3,32,5,padding=2),MaxPool2d(2),Conv2d(32,32,5,padding=2),nn.MaxPool2d(2),Conv2d(32, 64, 5, padding= 2),MaxPool2d(2),Flatten(),Linear(1024,64),Linear(64, 10))def forward(self, x):x = self.model1(x)return xmymodule = MyModule()
print(mymodule)  #打印网络# 测试网络
input = torch.ones((64,3,32,32))
print(input)
output = mymodule(input)
print(output.shape)
print("over")

padding 可以算

nn.module 看图搭建网络相关推荐

Pytorch —— nn.Module类(nn.sequential)
对于前面的线性回归模型. Logistic回归模型和神经网络,我们在构建的时候定义了需要的参数.这对于比较小的模型是可行的,但是对于大的模型,比如100 层的神经网络,这个时候再去手动定义参数就显得非 ...
PyG搭建异质图注意力网络HAN实现DBLP节点分类
目录前言数据处理模型搭建 1. 前向传播 2. 反向传播 3. 训练 4. 测试实验结果完整代码前言 HAN的原理请见:WWW 2019 | HAN:异质图注意力网络. 数据处理导入数据 ...
北峰多层级融合通信解决方案，搭建调度“一张图”通信网络
面对重大突发事件,如何构建科学完善的应急通信保障体系,强化日常维护和在事件突发时对应急通信设备及时有效的部署和开通,确保通信安全稳定成为迫切需要解决的问题. 挑战与需求挑战1: 突发灾害时,一线救援 ...
图网络究竟在研究什么？从15篇研究综述看图神经网络GNN的最新研究进展
近年来,由于图结构的强大表现力,用机器学习方法分析图的研究越来越受到重视.图神经网络(GNN)是一类基于深度学习的处理图域信息的方法. 到目前,相关研究的已经非常多了,不过我们回过头来看思考和回顾一下 ...
看图说话之网络2008
看图说话之网络2008 2008年即将过去,来记住这一年发生的几则网事吧.看图说话,欢迎各位看官留言指正补足. 1.恒源祥引发的网络声讨 2008年的除夕,"恒源祥羊羊羊"广告的升 ...
看图猜成语小程序源码+详细搭建教程
本小程序可开通流量主 ,后台可以自行设置关卡.等级.也可以一键部署, 开通流量主之后实现躺赚,你懂得. 个人号也可以开通,审核一次性必过. 类目选择教育小程序源码下载地址:(8条消息) 看图猜成语 ...
30行代码就可以实现看图识字！python使用tensorflow.keras搭建简单神经网络
文章目录搭建过程 1. 引入必需的库 2. 引入数据集 3. 搭建神经网络层 4. 编译神经网络模型 5. 训练模型效果测试大概几个月前,神经网络.人工智能等概念在我心里仍高不可攀,直到自己亲身 ...
小白也能看懂的网络基础 | 44 张图搞定什么是连接设备？
公众号关注"程序IT圈", 选择"星标",重磅干货,第一时间送达! 引言欢迎来到网络世界,<小白也能看懂的网络基础>系列文章会从零开始帮助你构建网 ...
（已更新）看图猜成语小程序源码+详细搭建教程
本小程序后台可以自行设置关卡.等级.也可以一键部署, 个人号也可以开通,审核一次性必过. 类目选择教育小程序源码下载地址:(已更新)看图猜成语小程序源码+详细搭建教程-小程序文档类资源-CSDN下 ...
PyTorch学习笔记2：nn.Module、优化器、模型的保存和加载、TensorBoard
文章目录一.nn.Module 1.1 nn.Module的调用 1.2 线性回归的实现二.损失函数三.优化器 3.1.1 SGD优化器 3.1.2 Adagrad优化器 3.2 分层学习率 3 ...

nn.module 看图搭建网络

nn.module 看图搭建网络相关推荐

最新文章

热门文章