包含:卷积层、激活函数、池化层、全连接层
class Model(torch.nn.Module):
def __init__(self):
super(Model, self).__init__()
self.convl = torch.nn.Sequential(
torch.nn.Conv2d(1, 64, kernel_size=3, stride=1, padding=1),
torch.nn.ReLU(),
torch.nn.Conv2d(64, 128, kernel_size=3, stride=1, padding=1),
torch.nn.ReLU(),
torch.nn.MaxPool2d(stride=2, kernel_size=2)
)
self.dense = torch.nn.Sequential(
torch.nn.Linear(14*14*128, 1024),
torch.nn.ReLU(),
torch.nn.Dropout(p=0.5),
torch.nn.Linear(1024, 10)
)
def forward(self, x):
x = self.convl(x)
x = x.view(-1, 14*14*128)
x = self.dense(x)
return x
对代码进行分析:
**torch.nn.Conv2d:**用于搭建卷积层,其中的参数分别为:
输入通道数、输出通道数、卷积核大小、卷积核移动步长和padding值
**torch.nn.MaxPool2d:**池化层,其中的参数分别为:
池化窗口的大小、卷积核大小、池化窗口移动步长和padding值,参考:添加链接描述
torch.nn.Dropout:随机丢弃,此处p=0.5指随机丢弃的概率是0.5,如果不设置参数,默认也是0.5
前向传播forward中,convl()先进行卷积处理,之后用view进行扁平化处理,其中[-1是不确定值的意思,后面再赋值,1414128是输出的大小]添加链接描述
通过前面定义好的dense进行分类。