卷积神经网络-pytorch-lenet5&&resnet

一、模型建立

本代码基于pytorch以及cuda的GPU模式，如果没有GPU的话，把to.devide()这种代码删去就好。
下面仅仅是代码的实现，不对模型建立做解释，相关的代码解释有注释，希望对大家有帮助。

1 Lenet5卷积神经网络模型

需要先运行模型，然后下面调用才能成功。其次，模型代码文件需与运行的代码文件在同一级同一目录下。

from torch import nn


class Lenet5(nn.Module):
    """
    for cifar10 dataset
    """

    def __init__(self):
        super(Lenet5, self).__init__()

        self.conv_unit = nn.Sequential(
            nn.Conv2d(3, 6, kernel_size=5, stride=1, padding=0),
            # 输入是(batch size,3,32,32), 上面3是输入通道数，6是输出通道数
            # 经过第一层之后，输出是(batch size, 6, 28, 28)
            nn.AvgPool2d(kernel_size=2, stride=2, padding=0),
            # 这个就是调用max pooling
            # 此时得输出是(batch size, 6, 14, 14)
            nn.Conv2d(6, 16, kernel_size=5, stride=1, padding=0),
            nn.AvgPool2d(kernel_size=2, stride=2, padding=0),
            # 输出(batch size, 16, 5, 5)
        )
        # flatten
        # fc unit
        self.fc_unit = nn.Sequential(
            nn.Linear(16*5*5, 120),  # 不用乘batch size
            nn.ReLU(),
            nn.Linear(120, 84),
            nn.ReLU(),
            nn.Linear(84, 10)
        )
        self.criteon = nn.CrossEntropyLoss()  # 评价函数

    def forward(self, x):
        """
        :param x: [batch size, 3, 32, 32]
        :return:
        """
        batchsz = x.size(0