Pytorch实现经典模型AlexNet模型

本文介绍了如何在Pytorch中实现经典分类模型AlexNet的简化版本,针对无GPU环境,通过调整卷积核大小和步长来适应资源限制。实验设计包括5层卷积和3层全连接,详细介绍了各层配置。完整代码和数据集可在指定链接获取。
摘要由CSDN通过智能技术生成

一:Pytorch实现经典模型AlexNet模型
要求:
使用pytorch实现经典的分类模型AlexNet,这里主要因为没有GPU环境,而其完整参数达到了6000万个,所以如ppt要求,在该模型的基础架构上,修改卷积核的大小以及卷积操作的步长等来模拟实现。
实验设计:
在这里插入图片描述
在这里插入图片描述

实验过程:
注:这里主要介绍一下AlexNet模型的定义,其中因为参数量过大,以及图片的输入大小变为了64*64,所以对于每层的卷积核大小以及步长等做了相关变化。
1.1AlexNet模型定义

1
评论 18
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Studying_swz

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值