卷积神经网络（包含代码与相应图解）

最新推荐文章于 2024-05-30 17:19:13 发布

小帅吖

最新推荐文章于 2024-05-30 17:19:13 发布

阅读量2.3k

点赞数

文章标签： cnn 深度学习神经网络

本文链接：https://blog.csdn.net/qq_47997583/article/details/125476729

版权

文章目录

1.卷积神经网络中的相关计算问题

（1）单纯的二维卷积

在这里插入图片描述
（2）加入填充（padding）
注：下图中的ph为在代码中设置的padding值的二倍

（3）加入填充（padding）和步幅（stride）

在这里插入图片描述

卷积核和过滤器（fliter）是有区别的，卷积核是二维概念，过滤器由一个或者多个卷积核拼成。

2.通过一个实例学习卷积神经网络的构建

在这里插入图片描述

通过以下代码构建上图的神经网络

class ConvNet(nn.Module):
    def __init__(self):
        super(ConvNet, self).__init__()
        self.layer1 = nn.Sequential(
            nn.Conv2d(1, 32, kernel_size=5, stride=1, padding=2),
            nn.ReLU(),
            nn.MaxPool2d(kernel_size=2, stride=2))
        self.layer2 = nn.Sequential(
            nn.Conv2d(32, 64, kernel_size=5, stride=1, padding=2),
            nn.ReLU(),
            nn.MaxPool2d(kernel_size=2, stride=2))
        self.drop_out = nn.Dropout()
        self.fc1 = nn.Linear(7 * 7 * 64, 1000)
        self.fc2 = nn.Linear(1000, 10)
	def forward(self, x):
    	out = self.layer1(x)
    	out = self.layer2(out)
    	out = out.reshape(out.size(0), -1)
    	out = self.drop_out(out)
    	out = self.fc1(out)
    	out = self.fc2(out)
    	return out