【PyTorch教程】P22 squential和小实战

P22 squential和小实战

Sequential能把网络集成在一起，方便使用：

写一个针对CIFAR10的数据集，写一个分类网络：有一个1024层的，以前的没有说：

在这一集做了这个计算：这里计算的是padding：
清清爽爽：

可视化：

可以运行的代码

# ！usr/bin/env python3
# -*- coding:utf-8 -*-"""
author :24nemodate  :2021年07月07日
"""'''
import torch
from torch import nn
from torch.nn import Conv2d, MaxPool2d, Flatten, Linear, Sequential
from torch.utils.tensorboard import SummaryWriterclass Tudui(nn.Module):def __init__(self):super(Tudui, self).__init__()self.model1 = Sequential(Conv2d(3, 32, 5, padding=2),MaxPool2d(2),Conv2d(32, 32, 5, padding=2),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 xtudui = Tudui()
print(tudui)
input = torch.ones((64, 3, 32, 32))
output = tudui(input)
print(output.shape)writer = SummaryWriter("../logs_seq")
writer.add_graph(tudui, input)
writer.close()'''import torch
from torch import nn
from torch.nn import Conv2d, MaxPool2d, Linear
from torch.nn.modules.flatten import Flatten# from torch.utils.tensorboard import SummaryWriterclass Tudui(nn.Module):def __init__(self):super(Tudui, self).__init__()self.conv1 = Conv2d(3, 32, 5, padding=2)  # input_channel = 3, output_channel = 32, kernel_size = 5 * 5 ,padding是计算出来的self.maxpool1 = MaxPool2d(2)   # maxpooling只有一个kernel_size参数self.conv2 = Conv2d(32, 32, 5, padding=2)self.maxpool2 = MaxPool2d(2)self.conv3 = Conv2d(32, 64, 5, padding=2)self.maxpool3 = MaxPool2d(2)self.flatten = Flatten()  # 展平操作self.linear1 = Linear(64 * 4 * 4, 64)self.linear2 = Linear(64, 10)def forward(self, m):m = self.conv1(m)m = self.maxpool1(m)m = self.conv2(m)m = self.maxpool2(m)m = self.conv3(m)m = self.maxpool3(m)m = self.flatten(m)m = self.linear1(m)m = self.linear2(m)return mtudui = Tudui()
print("tudui:", tudui)
input = torch.ones((64, 3, 32, 32))
output = tudui(input)
print("output.shape:", output.shape)'''
writer = SummaryWriter("logs_seq")
writer.add_graph(tudui, input)
writer.close()这个 可视化，我又没能实现
'''

完整目录

P6-P7 数据加载
P8-9 Tensorboard使用
P10-11 Transform的用法
P12-13 常用的tranforms
P14 torchvision中的数据集的使用
P15 dataloader的使用
P16 nn.Module
P17 卷积
P18 卷积层使用
P19 池化
P20 ReLU
P21线性层和其它层
P22 squential和小实战
P23 loss function
P24 优化器
P25 pytorch中现有模型
P26 网络模型的保存和加载
P27、28、29 完整的模型套路
P30 GPU加速
P31 GPU加速_2
P32 完整的模型验证套路
P33 github的使用

【PyTorch教程】P22 squential和小实战相关推荐

【PyTorch教程】P30 GPU加速
P30 GPU加速调用 GPU的两种方法: 1.调用 .cuda() 在这三个内容后面,加上 .cuda()方法下图中,在原来的三种内容上,分别加上.cuda( ),就可以了:让他们的返回值,继续 ...
【PyTorch教程】P27、28、29 完整的模型套路
P27.28.29 完整的模型套路一步一步跟着做笔记: 查看数据集的长度: 把写好的这部分,单独放在一个模块里,起名叫做model: 这个模块,稍加改动,比如添加import,再用一个测试的torc ...
【PyTorch教程】P32 完整的模型验证套路
P32 完整的模型验证套路利用已经训练好的模型,给他一个输入,进行测试: 实际验证过程: -报错处理:在gpu上训练的结果,想要用在cpu电脑上,做test,需要第38行,这一步叫:做映射(map) ...
小土堆pytorch教程学习笔记P22
P22.神经网络-搭建小实战和Sequential的使用 Pytorch官网 -> Docs > Pytorch -> torch.nn -> Containers -> ...
【项目实战课】基于Pytorch的Pix2Pix黑白图片上色实战
欢迎大家来到我们的项目实战课,本期内容是<基于Pytorch的黑白图像上色实战>.所谓项目实战课,就是以简单的原理回顾+详细的项目实战的模式,针对具体的某一个主题,进行代码级的实战讲解. ...
pytorch教程聊天机器人（详细注释attentionrnn输入输出shape等知识点...
最近可能要用到seq2seq模型去解决一些轨迹预测的问题,拿pytorch教程的聊天机器人练了练手. 原文中教程已经写的比较详尽了,在此对原文教程进行一些补充说明,可能更加方便向我这样的小白入门学习. ...
视频教程-PR教程-Premiere 2020影视剪辑实战精讲-其他
PR教程-Premiere 2020影视剪辑实战精讲 Adobe平面设计与影视剪辑专家讲师.微软Office办公软件专家讲师.资深IT图书作者/策划人/出版人.深度/终身学习研究与实践者.Python ...
Stanford CS224N: PyTorch Tutorial (Winter ‘21) —— 斯坦福CS224N PyTorch教程（第二部分）
本教程译文的第一部分,请见我的上一篇博文: Stanford CS224N: PyTorch Tutorial (Winter '21) -- 斯坦福CS224N PyTorch教程 (第一部分)_放 ...
【项目实战课】基于Pytorch的DANet自然图像降噪实战
欢迎大家来到我们的项目实战课,本期内容是<基于Pytorch的DANet自然图像降噪实战>.所谓项目课,就是以简单的原理回顾+详细的项目实战的模式,针对具体的某一个主题,进行代码级的实战讲 ...

【PyTorch教程】P22 squential和小实战

P22 squential和小实战

可以运行的代码

完整目录

【PyTorch教程】P22 squential和小实战相关推荐

最新文章

热门文章