pytorch学习（六）---搭建简单的神经网络以及sequential的使用

最新推荐文章于 2024-09-24 16:51:32 发布
最新推荐文章于 2024-09-24 16:51:32 发布
阅读量1.4k 收藏 6
点赞数 1
分类专栏： pytorch 学习笔记 文章标签： pytorch python 深度学习
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_41858089/article/details/121503636
版权
这篇博客介绍了如何基于PyTorch搭建一个简单的神经网络，以CIFAR10的模型为例。内容包括理解卷积层后图片尺寸的计算，使用5x5卷积核并设置padding为2来保持输入尺寸不变。博主分享了使用sequential模块进行模型构建的方法，简化代码，并提到tensorboard可用于展示计算图。
摘要由CSDN通过智能技术生成

        本篇自学笔记来自于b站《PyTorch深度学习快速入门教程（绝对通俗易懂！）【小土堆】》，Up主讲的非常通俗易懂，文章下方有视频连接，如有需要可移步up主讲解视频，如有侵权，实非故意，深表歉意，请与我联系，删除相关内容！

        本节以CIFAR10的模型结果（如下图）为例，搭建该简易的神经网络。

         首先需要知道某一个尺寸的图片经过卷积之后的尺寸如何计算。

        知道怎么计算之后，看模型图输入为32*32，经过一个5*5卷积核卷积之后，图片的尺寸依旧是32*32，通过上述公式，W1=32,F=5,S一般设为1，且要求W2=32，经过计算得到P=2，所以在进卷积时需要设置padding为2.

具体代码如下，注释的部分是按照之前的方式写的，没注释的部分是使用sequential写的，相当于将这些操作打包，在forward部分直接调用sequential定义好的模型即可。还跟着up学到了tensorboard可以显示计算图，即代码最下面的add_graph(),参数需要给所用的

最低0.47元/天 解锁文章
橘春十三99
关注
专栏目录
Pytorch深度学习-----神经网络之Sequential的详细使用及实战详解
LGL
08-03 2542
"Sequential"是一个时序容器，可以将各种层按顺序添加到容器中，从而简化神经网络模型的搭建。它可以从头开始构建模型，也可以在其他容器（如Sequential、Functional、Subclass）中构建模型，还可以与其他容器组合使用。官网解释：官网的举例应用。
PyTorch深度学习实战（3）——使用PyTorch构建神经网络
盼小辉丶的博客
06-13 6万+
PyTorch 是一个用于构建深度神经网络的库，具有灵活性和可扩展性，可以轻松自定义模型。在本节中，我们将使用 PyTorch 库构建神经网络，利用张量对象操作和梯度值计算更新网络权重，并利用 Sequential 类简化网络构建过程，最后还介绍了如何使用 save、load 方法保存和加载模型，以节省模型训练时间。
神经网络搭建小实战和sequential的使用————PyTorch
weixin_45947476的博客
10-19 316
哔哩大学的PyTorch深度学习快速入门教程（绝对通俗易懂！）【小土堆】 的P22讲讲述了神经网络搭建小实战和sequential的使用。 一开始的代码如下：但是他不能运行，为什么不能？不知道！！！ import torch from torch import nn from torch.nn import Conv2d, MaxPool2d, Flatten, Linear, Sequential class Tudui(nn.Module): def __init__(self):
PyTorch使用技巧3：简单理解nn.Sequential()、super().__init__()、__call__、model.train()、model.eval()和前后传播
源代码杀手的博客
07-09 2789
一个序列容器，用于搭建神经网络的模块被按照被传入构造器的顺序添加到nn.Sequential()容器中。除此之外，一个包含神经网络模块的OrderedDict也可以被传入nn.Sequential()容器中。利用nn.Sequential()搭建好模型架构，模型前向传播时调用forward()方法，模型接收的输入首先被传入nn.Sequential()包含的第一个网络模块中。然后，第一个网络模块的输出传入第二个网络模块作为输入，按照顺序依次计算并传播，直到nn.Sequential()里的最后一个模块输出结
TensorFlow 中 Sequential 模型的安装与运行问题
最新发布
m0_73955279的博客
09-24 442
TensorFlow 中 Sequential 模型无法导入问题
pytorch cycleGAN代码学习1
fly
07-27 1万+
一. 新的东西 p.s :很多架构都和之前一样，就举些不同的 1. ReplayBuffer() # Buffers of previously generated samples fake_A_buffer = ReplayBuffer() fake_B_buffer = ReplayBuffer() 这是什么？？看看utils.py中的 class ReplayBuffer...
【Pytorch深度学习50篇】·······第七篇：【4】GAN生成对抗网络---cycleGAN
guligedong的博客
03-08 3046
本来GAN这系列我只打算说到pix2pix的，但是情况有变，因为有人再看(感谢各位老铁支持) 所以决定再来一篇难度更大的GAN----cycleGAN，这次我们来个莫奈画生成，上强度！！ 4.CycleGAN 4.1 cycleGAN的模型结构 仍旧是：生成器+判别器 好了，这次肯定有人要说了，这哪里变难了，感觉比之前的都简单。其实并不是的，cycle这个单词就是循环，弯弯绕绕的意思，你看你一会晕不晕。希望别晕。 4.2算法逻辑 还是先来介绍一下数据集monet2photo，莫奈画和自
Cycle-GAN代码解读
HHzdh的博客
09-08 4247
1 model.py文件 1.1 初始化函数 import torch.nn as nn import torch.nn.functional as F import torch # 初始化函数 def weights_init_normal(m): classname = m.__class__.__name__ if classname.find("Conv") != -1: torch.nn.init.normal_(m.weight.data, 0.0, ..
Pytorch深度学习-----完整神经网络模型训练套路
LGL
08-12 1236
定义适当的损失函数来计算模型预测结果于真实标签之间的差异。选择适当的优化器算法来更新模型参数，如随机梯度下降（SGD）、Adam等。使用torchvision库加载CIFAR10数据集。将训练集和测试集分别存放在train_data和test_data中。引用model.py文件，在其中创建名为"Lgl"的模型。定义损失函数为交叉熵损失（nn.CrossEntropyLoss）。定义优化器为随机梯度下降（SGD）优化器，并将模型参数传递给优化器。
pytorch快速搭建神经网络_Sequential操作
09-16
在PyTorch中，搭建神经网络是通过定义网络结构并组合不同的层来完成的。这里主要讨论了两种方法：使用`nn.Module`类和使用`nn.Sequential`容器。 首先，我们来看使用`nn.Module`自定义类的方式。这种方式更加灵活，...
PyTorch三种主流模型构建方式：nn.Sequential、nn.Module子类、nn.Module容器开发实践，以真实烟雾识别场景数据为例
Together_CZ的博客
08-22 668
PyTorch三种主流模型构建方式：nn.Sequential、nn.Module子类、nn.Module容器开发实践，以真实烟雾识别场景数据为例
pytorch初学笔记（十三）：神经网络基本结构之Sequential层的使用以及搭建完整的小型神经网络实战
CV在读
11-29 3844
Sequential — PyTorch 1.13 documentation A sequential container. Modules will be added to it in the order they are passed in the constructor.构建一个序列化的container，可以把想要在神经网络中添加的操作都放进去，按顺序进行执行。把卷积、非线性激活、卷积、非线性激活使用sequantial进行组合，一起放在构建的model中。 使用数据集为CIFAR10，其模型
nn.Sequential()方法中访问中间层
A2321161581的博客
03-13 1322
nn.Sequential()的用法
Pytorch学习笔记（三）——nn.Sequential的理解
qq_23345187的博客
11-15 1万+
在定义CNN模型的时候看到有如下定义，其中讲解一下nn.Sequential class CNN(nn.Module): def __int__(self): super(CNN,self).__init__() self.conv1=nn.Sequential(nn.Conv2d(in_channels=1, out_channels=16, kernel_size=3
用torch.nn.Sequential()搭建神经网络模型
weixin_43231756的博客
11-29 613
原始定义方式与 nn.Sequential 两种定义方式实例：可以看到使用torch.nn.Sequential()搭建神经网络模型非常的方便，少写很多的codetorch.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。通俗的话说，就是根据自己的需求，把不同的函数组合成一个（小的）模块使用或者把组合的模块添加到自己的网络中。
pytorch教程之nn.Sequential类详解——使用Sequential类来自定义顺序连接模型
热门推荐
MIss-Y的博客
05-26 13万+
前言：类似于keras中的序贯模型，当一个模型较简单的时候，我们可以使用torch.nn.Sequential类来实现简单的顺序连接模型。这个模型也是继承自Module类的，关于这个类，后面的文章会详细介绍。 一、关于Sequential类的简介 先来看一下它的定义吧，在之前，我们首先需要明确一个特别重要的观念，那就是——torch的核心是Module类， Module类在下面这个模...
pytorch中用nn.sequential搭建简单网络
mengdeer_Q的博客
02-17 485
pytorch中用nn.sequential搭建简单网络
pytorch之nn.Sequential类详解——使用Sequential类来自定义顺序连接模型
邹小驴
03-31 2158
前言：类似于keras中的序贯模型，当一个模型较简单的时候，我们可以使用torch.nn.Sequential类来实现简单的顺序连接模型。这个模型也是继承自Module类的，关于这个类，后面的文章会详细介绍。 一、关于Sequential类的简介 这样看起来，Sequential似乎是一个容器，的确，他确确实实是可以作为一个容器包装机各层，我在下一篇文章会说到，这里还是先简单看一下它的定义： class Sequential(Module): # 继承Module def __init__(
（十六）完整的模型验证套路
m0_58702532的博客
05-03 864
【声明】来源b站视频小土堆PyTorch深度学习快速入门教程（绝对通俗易懂！）【小土堆】_哔哩哔哩_bilibili 测试/demo 套路：利用及已经训练好的模型，给它提供输入 模型是在谷歌的gpu上训练好的，精度为60多，这边直接加载 test.py import torch from PIL import Image import torchvision import torch.nn as nn img_path = "./data/cat.png" #图片路径 image.
评论
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
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