nn.Conv2d的使用(卷积层)(附代码)

nn.Conv2d的使用

此处我们仍然使用官网自带的数据集进行训练,最后将其可视化
加载数据集和可视化部分在此处不在介绍,若需要了解:
加载数据集:torch.utils.data中的DataLoader数据加载器(附代码)_硕大的蛋的博客-CSDN博客
tensorboard可视化工具:Tensorboard 可视化工具的使用-史上最简单(附代码)_硕大的蛋的博客-CSDN博客

  1. 导入相应的包和模块

    import torch
    import torchvision
    import torch.nn as nn
    from torch.utils.data import DataLoader
    from tensorboardX import SummaryWriter
    
  2. 获取数据

    dataset = torchvision.datasets.CIFAR10('../BigData',
                                           train=False,
                                           transform=torchvision.transforms.ToTensor(),
                                           download=True)
    dataloader = DataLoader(dataset,
                            batch_size=64)
    
  3. 创建神经网络

    class Gsw(nn.Module):
        def __init__(self):
            super(Gsw, self).__init__()
            self.con1 = nn.Conv2d(in_channels=3, out_channels=6, kernel_size=3, stride=1, padding=0)
    
        def forward(self, input):
            output = self.con1(input)
            return output
    
    
  4. 训练并将其可视化

    gsw = Gsw()
    writer = SummaryWriter('LOGS/011log')
    
    for step, data in enumerate(dataloader):
        imgs, target = data
        output = gsw(imgs)
    
        writer.add_images('input', imgs, step)
        output = torch.reshape(output, (-1, 3, 30, 30))
        writer.add_images('output', output, step)
    
    

完整代码

# 开发时间: 2021/11/21 17:51

import torch
import torchvision
import torch.nn as nn
from torch.utils.data import DataLoader
from tensorboardX import SummaryWriter

dataset = torchvision.datasets.CIFAR10('../BigData',
                                       train=False,
                                       transform=torchvision.transforms.ToTensor(),
                                       download=True)
dataloader = DataLoader(dataset,
                        batch_size=64)


class Gsw(nn.Module):
    def __init__(self):
        super(Gsw, self).__init__()
        self.con1 = nn.Conv2d(in_channels=3, out_channels=6, kernel_size=3, stride=1, padding=0)

    def forward(self, input):
        output = self.con1(input)
        return output


gsw = Gsw()
writer = SummaryWriter('LOGS/011log')

for step, data in enumerate(dataloader):
    imgs, target = data
    output = gsw(imgs)

    writer.add_images('input', imgs, step)
    output = torch.reshape(output, (-1, 3, 30, 30))
    writer.add_images('output', output, step)

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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
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