使用pytorch完成一个CNN入门demo

最新推荐文章于 2024-03-14 20:02:06 发布

岳麓山炒粉

最新推荐文章于 2024-03-14 20:02:06 发布

阅读量791

点赞数

分类专栏：机器学习

本文链接：https://blog.csdn.net/nopajj/article/details/105871367

版权

该博客通过导入torch库，使用FashionMNIST数据集，建立一个简单的卷积神经网络(CNN)。从数据预处理到网络搭建，博主提供了一个完整的代码示例。

摘要由CSDN通过智能技术生成

import

torch
torch的总包
torch.nn
网络层，通常自定义的网络都会继承nn.Module
torch.nn.functional
F里面都包括常用的函数，relu和pooling等
torchvision
常用的数据集，MNIST和FashionMNIST等
torchvision.transforms

数据集

使用FashionMNIST

train_set = torchvision.datasets.FashionMNIST(
    root='./data/FashionMNIST',
    train=True,
    download=False,
    transform=transforms.Compose([
        transforms.ToTensor()
    ])
)
train_dataloader = torch.utils.data.DataLoader(
    train_set,
    batch_size=10
)

建立网络

class nopaNet(nn.Module):
    def __init__(self):
        super(nopaNet, self).__init__()
        #输入图像[batch,1,28,28]
        #out_channel 代表有几个filter
        self.conv1 = nn.Conv2d(in_channels=1, out_channels=6, kernel_size=5)
        self.conv2 = nn.Conv2d(in_channels=6, out_channels=12, kernel_size=5)

        self.dense1 = nn.Linear(in_features=12*4*4, out_features=120)
        self.dense2 = nn.Linear(