pytorch学习笔记四：torch.nn下常用网络层(layer)详解

最新推荐文章于 2023-12-18 15:39:52 发布
最新推荐文章于 2023-12-18 15:39:52 发布
阅读量5.5k 收藏 22
点赞数 4
分类专栏： # PyTorch学习笔记 文章标签： 深度学习 pytorch 神经网络
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_39507748/article/details/105371172
版权
本文详细介绍了PyTorch中torch.nn模块的常用网络层，包括卷积层(Conv2d、ConvTranspose2d)，池化层(MaxPool2d、AvgPool2d)，填充层(ZeroPad2d)，非线性激活层(如ELU、ReLU系列)，标准化层(BatchNorm2d)以及Dropout和上采样(Upsample)层。
摘要由CSDN通过智能技术生成
一、卷积层
  • 卷积：Conv2d
'''
in_channels:输入通道数

out_channels：输出通道数

kernel_size：卷积核尺寸，整数或者元组

stride：卷积操作的步幅，整数或者元组

padding：数据hw方向上填充的层数，整数或者元组，默认填充的是0

dilation：卷积核内部各点的间距，整数或者元组

groups：控制输入和输出之间的连接；group=1，输出是所有输入的卷积；
group=2，此时相当于有并排的两个卷积层，每个卷积层计算输入通道的一半，
并且产生的输出是输出通道的一半，随后将这两个输出连接起来。

bias：bool类型，为true的话就会对输出添加可学习的偏置量

padding_mode：填充模式，字符串类型
'''
torch.nn.Conv2d
了解本专栏 订阅专栏 解锁全文 超级会员免费看
耐心的小黑
关注
专栏目录
订阅专栏
Pytorch学习笔记（五）
LJR的博客
01-21 912
Sequential Module children add_modules grad_zero named_children ModuleList children named_children modules named_modules zero_grad parameters named_parameters state_dict load_state_dict 参数注册 ParameterDict update clear items keys pop values
Pytorch学习笔记（5）：torch.nn---网络层介绍（卷积层、池化层、线性层、激活函数层）
路人贾的博客
02-14 4354
Pytorch学习笔记（5）：torch.nn---网络层介绍（卷积层、池化层、线性层、激活函数层）
pytorch学习笔记（3）：常用网络层介绍
u013602059的专栏
07-20 1410
参考文档：https://mp.weixin.qq.com/s/Wxx-8b_36unlimLKBUl8zA 前两篇文章了解了如何用 pytorch 创建一个 CNN 网络，实现对 MNIST 数据集的图片分类。其中用到了一些函数，我们从字面意思也可以理解其功能。但是如何灵活自由的构建自己想要的网络结构呢？今天我们介绍一些在 Deep Learning 中经常听到的一些网络层，以及在 pytorch 中它们的使用方法。 1、常用的神经网络层 这里我们介绍一下在构建网络时常见的一些神经网络层，分别从卷积层，池
torch构建常见网络层
Rock的博客
11-21 1820
文章目录conv层：pooling 层：BatchNorm层relu层mobilenet v1- depthwise层residual模块fire_moudle模块 博主汇总一下经常用到的网络层，方便记忆哈。参数的意思很好理解，就不注释了，有问题留言哈，希望对您有用！ conv层： nn.Conv2d(in_channels, out_channels, kernel_size, stride=1...
PyTorch (三): 常见的网络层
连理o的博客
06-24 587
本文参考–PyTorch官方教程中文版链接：http://pytorch123.com/FirstSection/PyTorchIntro/ Pytorch中文文档：https://pytorch-cn.readthedocs.io/zh/latest/package_references/Tensor/ PyTorch英文文档：https://pytorch.org/docs/stable/tensors.html 《深度学习之PyTorch物体检测实战》 第一次接触PyTorch，网上很难找到最新版本的
Pytorch(五)：神经网络之 torch.nn——Convolution Layers
weixin_41936775的博客
06-12 1265
上一篇文章记录了 Pytorch 用于构建神经网络的容器，并且提到 一个神经网络模块是由其他子模块嵌套而成的结构，常用的就是卷积、池化等等，所以这篇简单介绍下 torch.nn 中的卷积类。 目录
Pytorch神经网络自定义层(layer)
最新发布
m0_56312629的博客
12-18 333
本文介绍了如何在Pytorch神经网络中自定义层以及自定义层的使用
PyTorch学习笔记（1）nn.Sequential、nn.Conv2d、nn.BatchNorm2d、nn.ReLU和nn.MaxPool2d
热门推荐
weixin_42495721的博客
01-15 1万+
这里写目录标题一、nn.Sequential二、nn.Conv2d 一、nn.Sequential torch.nn.Sequential是一个Sequential容器，模块将按照构造函数中传递的顺序添加到模块中。另外，也可以传入一个有序模块。 为了更容易理解，官方给出了一些案例： # Sequential使用实例 model = nn.Sequential( nn.Conv2d(1,20,5), nn.ReLU(), nn.Conv2d(20,
Pytorch构建神经网络三（29-33节）——笔记
sinat_37281674的博客
11-08 1238
Pytorch构建神经网络三（29-33节）——笔记4.1&4.2 使用tensorboard可视化CNN训练指标报错对不同的batchsize，lr的训练情况进行比较方法1：但此方法需要多层for循环​ tb.close() 对多层的偏置，权重及其梯度进行访问的原理 for name,weight in network.named_parameters(): print(name, weight.shape)对不同的batchsize，lr的训练情况进行比较方法2：只需一层循环 4.1&a
Pytorch: 自定义网络层实例
09-18
今天小编就为大家分享一篇Pytorch: 自定义网络层实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
Pytorch学习笔记（四）
LJR的博客
01-20 877
pytorch实现线性回归 backward SGD sgd 随机梯度下降 小批量梯度下降 神经网络实现线性回归 optim SGD step zero_grad utils.data DataSet DataLoader TensorDataSet optim
Pytorch 之torch.nn初探--第4关：卷积--Convolution Layers
Martin-share的博客
01-17 549
Pytorch 之torch.nn初探--第4关：卷积--Convolution Layers
Pytorch（3）：Layers
My Blogs
03-18 1770
文章目录Convolution layers 卷积层nn.Conv2d 卷积nn.ConvTranspose 转置卷积Pooling Layer 池化层nn.MaxPool2dnn.AvgPool2dnn.MaxUnpool2dLinear Layer 线性层nn.Linear[Activation Layer 激活函数层](https://pytorch.org/docs/stable/nn.h...
Pytorch第六课：package-torch.nn详解（2）之 网络结构组建
【人工智能】王小草的博客
12-02 2561
本节要点： 1 卷积层 2 池化层 3 非线性激活层 4 正则层 5 循环层 6 线性层 7 Dropout层 8 Sparse层 9 Veision层 10 Multi-GPU层 1 卷积层 1.1 一维卷积层 类名： class torch.nn.Conv1d(in_channels, out_channels, kernel_size, str...
Pytorch学习-模型层layers
Zzz_zhongqing的博客
07-19 1446
深度学习模型一般由各种模型层组合而成。 torch.nn中内置了非常丰富的各种模型层。它们都属于nn.Module的子类，具备参数管理功能。 例如： nn.Linear, nn.Flatten, nn.Dropout, nn.BatchNorm2d nn.Conv2d,nn.AvgPool2d,nn.Conv1d,nn.ConvTranspose2d nn.Embedding,nn.GRU,nn.LSTM nn.Transformer 如果这些内置模型层不能够满足需求，我们也可以通过继承nn.Module基
神经网络的基本组成之卷积层（Conv Layer）&& 利用 Pytorch 搭建神经网络 && 空洞卷积对比普通卷积
Flying Bulldog 的博客
05-24 2541
图1 卷积网络中的 layers 目录 （1）卷积层 （2）本文章设计的函数列表，以及函数的参数解读 （3）代码示例 （4）空洞卷积 （1）卷积层 卷积本是分析数学中的一种运算，在深度学习中使用的卷积运算通常是离散的。作为卷积神经网络中最基础的组成部分，卷积的本质是用卷积核的参数来提取数据的特征，通过矩阵点乘运算与求和运算来得到结果。 如图2 所示为一个基本二维卷积的运算过程，公式为y=ωx+b。这 里的特征图（x）大小为1×5×5，即输入通道数为1，卷积核（ω）的大小为3×3，偏置（...
torch.nn中常见的神经网络层
席小贱
03-31 907
首先说明torch.nn.functional和torch.nn的区别： nn.functional.conv1d()表示的1d卷积函数，而nn.Conv1d()这种表示的是1d卷积层 conv1d conv1d函数 关于dilation参数请参阅：https://github.com/vdumoulin/conv_arithmetic/blob/master/README.md 有点...
Pytorch学习笔记（9）———基本的层layers
weixin_44783002的博客
09-11 988
卷积神经网络常见的层 类型 名称 作用 Conv 卷积层 提取特征 ReLU 激活层 激活 Pool 池化 —— BatchNorm 批量归一化 —— Linear(Full Connect) 全连接层 —— Dropout —— —— ConvTranspose 反卷积 —— pytorch中各种层的用法 卷积 Convolution 卷积类型 作用 torrch.nn.Conv1d 一维卷积 torch.nn.Conv2d 二维卷积 t
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

耐心的小黑

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

实付元
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