简单的卷积网络的搭建—— LeNet 模型
import torch
from torch import nn
class LeNet(nn.Module):
def __init__(self):
super(LeNet, self).__init__()
'''
这里搭建卷积层,需要按顺序定义卷积层、
激活函数、最大池化层、卷积层、激活函数、最大池化层,
具体形状见测试说明
'''
self.conv = nn.Sequential(
########## Begin ##########
nn.Conv2d(1, 6, 5), # 卷积层
nn.Sigmoid(), # 激活函数
nn.MaxPool2d(2, 2), # 最大池化层
nn.Conv2d(6, 16, 5), # 卷积层
nn.Sigmoid(), # 激活函数
nn.MaxPool2d(2, 2),
########## End ##########
)
'''
这里搭建全连接层,需要按顺序定义全连接层、
激活函数、全连接层、激活函数、全连接层,
具体形状见测试说明
'''
self.fc = nn.Sequential(
########## Begin ##########
nn.Linear(16*16, 120), # 全连接层
nn.Sigmoid(),
nn.Linear(120, 84),
nn.Sigmoid(),
nn.Linear(84, 10),
########## End ##########
)
def forward(self, img):
'''
这里需要定义前向计算
'''
########## Begin ##########
feature = self.conv(img) # 卷积层
output = self.fc(feature.view(img.shape[0], -1)) # 全连接层
return output
########## End ##########