# conv2d 是用于二维图像处理的,同理3d就是三维,1d就是一维图像
import torch
import torchvision
from torch import nn
from torch.nn import Conv2d, MaxPool2d, Sequential
from torch.utils.data import DataLoader
from torch.utils.tensorboard import SummaryWriter
dataset = torchvision.datasets.CIFAR10("./data",train=False,transform=torchvision.transforms.ToTensor(),download=True)
#1、./是当前目录 ../是父级目录 /是根目录
dataloader = DataLoader(dataset,batch_size=128,drop_last=False)
#drop_last 就是决定数据集里面图片的个数以128为每组进行分类,最后剩余的那些图片是否保留,true是保留,false是不保留
class Zinet (nn.Module):
def __init__(self):
super(Zinet, self).__init__()
self.conv1 = Conv2d(in_channels=3,out_channels=6,kernel_size=3,stride=1,padding=0)
self.maxpool1 = MaxPool2d(3,ceil_mode=True)
#ceil_mode 的意思是当卷积核到边缘时,是否还需要继续,即带不带上超出边缘的部分算作一次
def forward(self, x):
x = se
基础的一些cnn小代码练习
最新推荐文章于 2024-07-25 09:25:10 发布