6.paddlepaddle之自定义模型构建使用

最新推荐文章于 2024-03-03 18:59:50 发布

kakaccys

最新推荐文章于 2024-03-03 18:59:50 发布

阅读量1.9k

点赞数

分类专栏： paddlepaddle学习笔记文章标签： paddlepaddle 人工智能 python 机器学习深度学习

本文链接：https://blog.csdn.net/kakaccys/article/details/125920000

版权

本文详细介绍了如何使用PaddlePaddle构建自定义模型，从简单的全连接层模型开始，逐步增加对批量数据的支持，再到添加卷积层。通过实例展示了模型的结构配置、训练过程以及参数调整，强调了模型构造的有效性和动手实践的重要性。

摘要由CSDN通过智能技术生成

前言

本文所依赖环境如下，主要还是paddlepaddle和cifar数据集，cifar数据集在上一章讲过，就不重复了：

paddlepaddle（2.3.1）
cifar数据集

1.简单的自定义模型

话不多说，先放一个适配cifar数据集，最简单的自定义模型：

class Net(paddle.nn.Layer):
    def __init__(self):
        super(Net, self).__init__()
        self.fc = nn.Sequential(
            nn.Linear(3072, 10),
            nn.Softmax())

    def forward(self, image, label):
        image = paddle.reshape(image, (1, -1))
        return self.fc(image), label

可以看到这就是一个fc全连接层+一个softmax的结果。

全连接层的in配置的3072是因为cifar的图片大小是32*32*3,这里我们单个图片对其reshape到一维就是3072的长度。

接下来，先配置所需要的cifar数据集，代码如下：

import paddle
from paddle.vision.transforms import Normalize,Compose,Transpose,Resize
transform = Normalize(mean=[127.5, 127.5, 127.5], std=[127.5, 127.5, 127.5], dat