过拟合,拟合的函数完美的预测了训练集,但对新数据的测试集预测结果差,泛化能力弱
dropout
在网络正向传播时随机失活一部分神经元
减少过拟合,减少训练参数
经卷积后的矩阵尺寸大小计算公式
n = (w-f+2*p)/(s+1)
1,输入图片大小w*w
2,filter大小f*f
3,步长s
4,padding的像素级p
n*n图像经过f*f的卷积核后得到的图像大小为((n-f)+1)*((n-f)+1)
padding =0 ,表示不填充,padding=1,表示在边界填充一个像素值,padding-2表示填充2个像素值
def forward(self, x): x = self.features(x) x = self.avgpool(x) x = torch.flatten(x, 1) x = self.classifier(x) return x
这是一个PyTorch模型的前向传播函数。它首先通过self.features(x)
对输入x
进行特征提取,然后通过self.avgpool(x)
对特征进行平均池化,接着使用torch.flatten(x, 1)
将池化后的特征展平,最后通过self.classifier(x)
对展平后的特征进行分类。