pytorch学习笔记-----卷积，池化参数计算

卷积神经网络构建

一般卷积层，relu层，池化层写成一个模块

import torch.nn as nn
class CNN(nn.Module):
    def __init__(self):
        super(CNN,self).__init__()
        self.conv1=nn.Sequential(
            nn.Conv2d(
                in_channels=1,#输入通道数1（灰度图）
                out_channels=16,#输出通道数
                kernel_size=5,#卷积核尺寸
                stride=1,#步长
                padding=2,#填充
            ),
            nn.ReLU(),#relu激活函数（16，28，28）
            nn.MaxPool2d(kernel_size=2)#进行池化操作（16，14，14）
        )
        self.conv2=nn.Sequential(
            nn.Conv2d(16,32,5,1,2),#第二个卷积
            nn.ReLU(),
            nn.MaxPool2d(2)
        )
        self.out=nn.Linear(32*7*7,10)#全连接层
    def forword(self,x):
        x=self.conv1(x)
        x=self.conv2(x)
        x=x.view(x.size(0),-1)
        output=self.out(x)
        return output

卷积WH计算公式