pytorch学习笔记——Sequential的使用和Flatten和flatten的区别

注意事项：

1.Sequential可以简化编程，不需要一个卷积层或者一个池化层就创建一个对象。在forward里面也不需要一个一个对象进行调用。
class nn_seq(nn.Module):def __init__(self) -> None:super().__init__()self.model = Sequential(#使用sequential的好处不需要将方法一个一个拿出来nn.Conv2d(3,32,5,padding=2),nn.MaxPool2d(2),nn.Conv2d(32,32,5,padding=2),nn.MaxPool2d(2),nn.Conv2d(32,64,5,padding=2),nn.MaxPool2d(2),Flatten(),nn.Linear(1024,64),nn.Linear(64,10))def forward(self,x):output = self.model(x)return output
2.ones，zeros矩阵，在进行网络测试的时候可以进行使用
input = torch.ones((64,3,32,32))#使用内置的全1矩阵，第一个是batchsize,第二个是通道数，第三个是h,第四个是w
3.Flatten和flatten的区别

（首先：Flatten来自nn模块下这点和卷积池化是一样的，flatten是来自torch模块下和nn模块是平级的）

（其次：Flatten进行展平的时候只是将每张图片进行分别展平，没有将展平后的向量进行拼接，但是flatten是将所有图片进行展平后还进行拼接）
for data in test_loader:imgs,targets = dataprint(imgs.shape)# imgs = flatten(imgs)#展平处理，包括把batch一起展平# print(imgs.shape)output = flatten_(imgs)print(output.shape)output1 = flatten(imgs)print(output1.shape)

下面观看完整代码

import torch
from torch import nn, zeros
from torch.nn import Sequential, Conv2d, Flattenclass nn_seq(nn.Module):def __init__(self) -> None:super().__init__()self.model = Sequential(#使用sequential的好处不需要将方法一个一个拿出来nn.Conv2d(3,32,5,padding=2),nn.MaxPool2d(2),nn.Conv2d(32,32,5,padding=2),nn.MaxPool2d(2),nn.Conv2d(32,64,5,padding=2),nn.MaxPool2d(2),Flatten(),nn.Linear(1024,64),nn.Linear(64,10))def forward(self,x):output = self.model(x)return outputnn_seq_1 = nn_seq()
print(nn_seq_1)
input = torch.ones((64,3,32,32))#使用内置的全1矩阵，第一个是batchsize,第二个是通道数，第三个是h,第四个是w
output = nn_seq_1(input)
print(output.shape)

pytorch学习笔记——Sequential的使用和Flatten和flatten的区别相关推荐

PyTorch学习笔记（10）--搭建简单的神经网络以及Sequential的使用
PyTorch学习笔记(10)–搭建简单的神经网络以及Sequential的使用本博文是PyTorch的学习笔记,第10次内容记录,主要搭建一个简单的神经网络,并介绍Sequential的使 ...
PyTorch学习笔记（六）——Sequential类、参数管理与GPU
系列文章\text{\bf 系列文章}系列文章 PyTorch学习笔记(一)--Tensor的基础语法 PyTorch学习笔记(二)--自动微分 PyTorch学习笔记(三)--Dataset和Dat ...
PyTorch学习笔记（七）：PyTorch可视化
PyTorch可视化往期学习资料推荐: 1.Pytorch实战笔记_GoAI的博客-CSDN博客 2.Pytorch入门教程_GoAI的博客-CSDN博客本系列目录: PyTorch学习笔记(一) ...
# PyTorch学习笔记（15）--神经网络模型训练实战
PyTorch学习笔记(15)–神经网络模型训练实战本博文是PyTorch的学习笔记,第15次内容记录,主要是以一个实际的例子来分享神经网络模型的训练和测试的完整过程. 目录 PyTorch ...
pytorch 学习笔记目录
1 部分内容 pytorch笔记 pytorch模型中的parameter与buffer_刘文巾的博客-CSDN博客 pytorch学习笔记 torchnn.ModuleList_刘文巾的博客-CSD ...
pytorch学习笔记 torchnn.ModuleList
1 nn.ModuleList原理 nn.ModuleList,它是一个储存不同 module,并自动将每个 module 的 parameters 添加到网络之中的容器. 你可以把任意 nn.Mod ...
深度学习入门之PyTorch学习笔记：卷积神经网络
深度学习入门之PyTorch学习笔记绪论 1 深度学习介绍 2 深度学习框架 3 多层全连接网络 4 卷积神经网络 4.1 主要任务及起源 4.2 卷积神经网络的原理和结构 4.2.1 卷积层 1. ...
pytorch学习笔记（2）：在MNIST上实现一个CNN
参考文档:https://mp.weixin.qq.com/s/1TtPWYqVkj2Gaa-3QrEG1A 这篇文章是在一个大家经常见到的数据集 MNIST 上实现一个简单的 CNN.我们会基于上一 ...
PyTorch学习笔记（五）：模型定义、修改、保存
往期学习资料推荐: 1.Pytorch实战笔记_GoAI的博客-CSDN博客 2.Pytorch入门教程_GoAI的博客-CSDN博客本系列目录: PyTorch学习笔记(一):PyTorch环境安 ...

pytorch学习笔记——Sequential的使用和Flatten和flatten的区别

pytorch学习笔记——Sequential的使用和Flatten和flatten的区别相关推荐

最新文章

热门文章