前言

深度学习当前的热度虽然没有前两年那么火热，尤其是在学界领域，但是在一些特殊问题中仍有一定的利用价值。一般而言，pytorch在学界使用的较多，tensorflow在业界使用的较多。

一、Pytorch

pytorch的使用基于tensor（张量）来进行最基本的运算。对于一般的神经网络而言，四维张量是最常见的

import torch
torch.Tensor(5,2,50,50)

上边的代码表示生成了一个4维tensor，四个维度分别表示（batch_size, channel_num, width, height）。batch_size表示一组中有多少条数据，channel_num表示一条数据的通道数，如彩色照片的通道数为3，而黑白照片的通道数为1；width, height则表示一个二维数据的两个维度。

Pytorch中

二、卷积神经网络

1.CNN结构

CNN的结构通常由卷积层、池化层、全连接层构成。卷积、池化的数目多少可以自行设计,下面是torch中封装好可以在CNN中直接使用的子类。

from torch import nn
nn.Conv2d(in_channels=1, out_channels=10, kernel_size=3, stride=1)
nn.MaxPool2d(kernel_size=2, stride=1)
nn.Linear(3240, 200)
nn.Flatten()

需要注意的是，在卷积、池化层组与全连接层之间会有一步“展平”操作，其含义即为将高维数据转换为一维数据。例如，shape为（4，3，28，28）的数据在 nn.Flatten() 操作后会变成 (4，3 * 28 * 28）的数据。

2.实现一个卷积神经网络类——代码

代码如下（示例）：

class Cnn(nn.Module):def __init__(self, out_node):super(Cnn, self).__init__()self.conv = nn.Sequential(nn.Conv2d(in_channels=1, out_channels=10, kernel_size=3, stride=1), #卷积层# nn.ReLU(True),nn.MaxPool2d(kernel_size=2, stride=1),#最大池化层nn.Conv2d(in_channels=10, out_channels=10, kernel_size=3, stride=1),# nn.ReLU(True),nn.MaxPool2d(kernel_size=2, stride=1),nn.Flatten() # 展平操作，为了与全连接层匹配)self.fc = nn.Sequential(nn.Linear(3240, 200), #线性层nn.ReLU(inplace=True), # relu激活函数# nn.Dropout(),nn.Linear(200, out_node),nn.ReLU(inplace=True),)def forward(self, x):  #out = self.conv(x)print(out.shape)# out = out.view(out.size(0), 10 * 25 * 25)# print(out.shape)out = self.fc(out)# print(out.shape)return out

总结

本篇简单的对CNN的pytorch实现进行了说明，主要是卷积网络类的实现，要完整实现训练、验证、测试、调参还需要很多步骤，将会在之后陆续分享。

Pytorch实现卷积神经网络（回归问题）相关推荐

用PyTorch搭建卷积神经网络
用PyTorch搭建卷积神经网络本篇是加拿大McGill本科,Waterloo硕士林羿实习时所作的工作.发文共享,主要是面对PyTorch的初学者. 本篇文章是一篇基础向的PyTorch教程,适合有 ...
【深度学习】基于Pytorch的卷积神经网络概念解析和API妙用(一)
[深度学习]基于Pytorch的卷积神经网络API妙用(一) 文章目录 1 不变性 2 卷积的数学分析 3 通道 4 互相关运算 5 图像中目标的边缘检测 6 基于Pytorch的卷积核 7 特征映射 ...
【深度学习】基于Pytorch的卷积神经网络概念解析和API妙用(二)
[深度学习]基于Pytorch的卷积神经网络API妙用(二) 文章目录1 Padding和Stride 2 多输入多输出Channel 3 1*1 Conv(笔者在看教程时,理解为降维和升维) 4 池 ...
Educoder 机器学习神经网络第四关：使用pytorch搭建卷积神经网络识别手写数字
任务描述相关知识卷积神经网络为什么使用卷积神经网络卷积池化全连接网络卷积神经网络大致结构 pytorch构建卷积神经网络项目流程数据集介绍与加载数据构建模型训练模型保存模型加载 ...
Python实现贝叶斯优化器(Bayes_opt)优化卷积神经网络回归模型(CNN回归算法)项目实战
说明:这是一个机器学习实战项目(附带数据+代码+文档+视频讲解),如需数据+代码+文档+视频讲解可以直接到文章最后获取. 1.项目背景贝叶斯优化器 (BayesianOptimization) 是一 ...
【PyTorch】卷积神经网络
卷积神经网络卷积神经网络最初是为了解决计算机视觉的相关问题设计的,现在其不仅被应用在图像和视频领域,也可用于诸如音频信号的时间序列信号的处理之中. 本文主要着重于卷积神经网络的基本原理和使用PyTo ...
Pytorch 深度卷积神经网络 AlexNet
Pytorch 深度卷积神经网络 AlexNet 0. 环境介绍环境使用 Kaggle 里免费建立的 Notebook 教程使用李沐老师的动手学深度学习网站和视频讲解小技巧:当遇到函数看不懂 ...
pytorch设计卷积神经网络的广义分析
首先卷积神经网络一定是非循环的神经网络神经网络的设计是以层为单位的而每层卷积神经网络都有输入输出和W,H 四个参数根据传递方向可得到以下性质必须满足前一层的输出后一层的输入参数一致,也就是说最 ...
pytorch卷积可视化_使用Pytorch可视化卷积神经网络
pytorch卷积可视化 Filter and Feature map Image by the author 筛选和特征图作者提供的图像 When dealing with image's and ...

Pytorch实现卷积神经网络（回归问题）