查看模型各层参数（Pytorch)

最新推荐文章于 2024-07-08 16:16:15 发布

陈大笨

最新推荐文章于 2024-07-08 16:16:15 发布

阅读量5.2k

点赞数 2

分类专栏： pytorch 文章标签： python deep learning

本文链接：https://blog.csdn.net/Joker_1024/article/details/107759076

版权

本文介绍如何在Pytorch中搭建CNN网络，并演示通过parameters()和named_parameters()方法访问模型的参数。

摘要由CSDN通过智能技术生成

利用Pytorch搭建CNN网络

这个实验用到的数据集是Mnist数据集，图片维度是1×28×28

import torch.nn as nn

class CNN(nn.Module):
    def __init__(self):
        super(CNN, self).__init__()
        # 卷积层
        self.conv1 = nn.Sequential(
            nn.Conv2d(   # 图片的维度：(1, 28, 28)
                in_channels= 1,   # 图片的高度
                out_channels= 16, # 输出的高度：filter的个数
                kernel_size =5,   # filter的像素点是5×5
                stride = 1,       # 每次扫描跳的范围
                padding = 2       # 补全边缘像素点
            ),  # 图片的维度：(16，28，28）
            nn.ReLU(),  # 图片的维度：(16,28,28)
            nn.MaxPool2d(kernel_size=2,),  # 图片的维度：(16,14,14)
        )
        # 卷积层
        self.conv2 = nn.Sequential(  # 图片的维度：(16,14,14)
            nn.Conv2d(16,32,5,1,2),  # 图片的维度：(32,14,14)
            nn.ReLU(),
            nn.MaxPool2d(2)  # 图片的维度：（32&