AlexNet学习笔记(再次进行cifar10数据分类)

本文记录了使用AlexNet结构对CIFAR10数据集进行分类的学习过程。网络包括5个卷积层和3个全连接层,通过调整卷积层特征图数量,使得在训练20轮后,损失降低至0.4,模型准确率达到约70%。
摘要由CSDN通过智能技术生成

网络结构

网络结构如图所示,包含5个卷积层和3个全连接层。其中,有3个卷积层进行了最大池化。
AlexNet模型的结构示意图
AlexNet各层组织结构如表所示,其中conv表示卷积运算操作,ReLU表示校正线性单元,pool表示池化操作,norm表示局部响应归一化,dropout表示丢失输出操作,IP表示全连接。
在这里插入图片描述
根据AlexNet结构搭建网络,代码如下:

from torch import nn

class AlexNet(nn.Module):
    def __init__(self):
        super().__init__()

        self.conv1 = nn.Sequential(
            # nn.Conv2d(3, 96,kernel_size=11,stride=4),
            nn.Conv2d(3, 6,
                      kernel_size=3,
                      stride=1),
            nn.ReLU(),
            nn.MaxPool2d(
  • 2
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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