自己搭建模型、检查网络是否错误
import torch
from torch import nn
# 导入记好了,2维卷积,2维最大池化,展成1维,全连接层,构建网络结构辅助工具
from torch.nn import Conv2d, MaxPool2d, Flatten, Linear, Sequential
from torch.utils.tensorboard import SummaryWriter
class Tudui(nn.Module):
def __init__(self):
super(Tudui, self).__init__()
self.model1 = Sequential(
# 输入, 输出, 卷积核、补几圈零
Conv2d(3, 32, (5, 5), padding=2),
# Conv2d(in_channels=3, out_channels=32, kernel_size=(5, 5), stride=1, padding=2),
# 池化核
MaxPool2d(2),
# MaxPool2d(kernel_size=2, stride=2, padding=0),
Conv2d(32, 32, (5, 5), padding=2),
MaxPool2d(2),
Conv2d(32, 64, (5, 5), padding=2),
MaxPool2d(2),
Flatten(),
Linear(1024, 64),
Linear(64, 10)
)
def forward(self, x):
x = self.model1(x)
return x
if __name__ == '__main__':
tudui = Tudui()
# 验证网络 须知输入图像,设定全1矩阵测试
input = torch.ones((64, 3, 32, 32))
output = tudui(input)
print(output.shape)
# pip install tensorboard
# 终端输入:tensorboard --logdir=./log
# 绘制网络结构图
writer = SummaryWriter("log")
# 参数:网络结构对象、输入图像矩阵
writer.add_graph(tudui, input)
writer.close()
正向计算输出图像大小:
输出图像的高 = (输入图像的高 - 卷积核的高 + 2补几圈零)/ 步长 + 1
上图中:
输入图像的高=227
卷积核的高=11
补几圈零=0
步长=4
55=(227 - 11 + 20)/ 4 + 1
正向计算输出图像大小:
例如:64,64,3,1,1 、(输入图像的高或宽,输出图像的高或宽,卷积核,步长,补零)、
输出:64 = (64 + 2 * 1 - 3) / 1 + 1、输出大小 =(输入图像的高或宽 + 2 * 补零 - 卷积核大小)/ 步长 + 1
反向计算补零(padding)
例如:64,64,3,1,1、(输入图像的高或宽,输出图像的高或宽,卷积核,步长,补零)、
补零 = ((64 - 1) * 1 + 3 - 64) / 2、((输出图像的高或宽 - 1)* 1 + 卷积核 - 输入)/ 2
验证计算:
# 输入[1,28,28]
nn.Conv2d(
in_channels=1, # 输入图片的高度
out_channels=16, # 输出图片的高度
kernel_size=5, # 5x5的卷积核,相当于过滤器
stride=1, # 卷积核在图上滑动,每隔一个扫一次
padding=2, # 给图外边补上0
),
# 经过卷积层 输出[16,28,28] 传入池化层