Pytorch构建CNN模型

最新推荐文章于 2024-04-04 00:46:43 发布

o6eceici

最新推荐文章于 2024-04-04 00:46:43 发布

阅读量1.5k

点赞数

文章标签： cv

本文链接：https://blog.csdn.net/o6eceici/article/details/105302365

版权

本文介绍了如何在Pytorch中构建一个简单的CNN模型用于字符识别。模型包含两个卷积层和六个全连接层，通过训练完成分类任务。

摘要由CSDN通过智能技术生成

1.Pytorch构建CNN模型

在上一章节我们讲解了如何使用Pytorch来读取赛题数据集，本节我们使用本章学习到的知识构件一个简单的CNN模型，完成字符识别功能。在Pytorch中构建CNN模型非常简单，只需要定义好模型的参数和正向传播即可，Pytorch会根据正向传播自动计算反向传播。
在本章我们会构建一个非常简单的CNN，然后进行训练。这个CNN模型包括两个卷积层，最后并联6个全连接层进行分类。

import torch
torch.manual_seed(0)
torch.backends.cudnn.deterministic = False
torch.backends.cudnn.benchmark = True

import torchvision.models as models
import torchvision.transforms as transforms
import torchvision.datasets as datasets
import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optim
from torch.autograd import Variable
from torch.utils.data.dataset import Dataset

# 定义模型
class SVHN_Model1(nn.Module):
    def __init__(self):
        super(SVHN_Model1, self).__init__()
        # CNN提取特征模块
        self.cnn = nn.Sequential(
            nn.Conv2d(3, 16, kernel_size=(3, 3), stride=(2, 2)),
            nn.ReLU(),