Pytorch深度学习实践第十一讲 卷积神经网络（高级篇）（1）

B站 刘二大人 传送门 卷积神经网络（高级篇）

	课件链接：https://pan.baidu.com/s/1vZ27gKp8Pl-qICn_p2PaSw
	提取码：cxe4

本节把从简单的卷及网络变成了稍微复杂一些的Inception卷积网络和残差网络，这里分两节，本节给出Inception网络代码。网络结构如下图，具体请参考传送门课程和网盘课件。

用GPU运行2分半就完事了，用CPU整个过程也在10分钟内完成。只有4行GPU代码，文中有注释，不能用GPU的话把那四句代码注释掉就可以了。GPU代码分别在76、77、89、116行。

下面是运行输出和绘制的曲线图。

import torch
from  torch.utils.data import DataLoader
from torchvision import transforms
from torchvision import datasets
import torch.nn.functional as F
import matplotlib.pyplot as plt
import torch.nn as nn
import time
import datetime

batch_size =64
transform = transforms.Compose([transforms.ToTensor(), transforms.Normalize((0.1307, ), (0.3081, ))])
#将原始像素数据归一到（0，1）中 并基于均值0.1307和标准差0.3081来对数据进行标准化处理

train_dataset = datasets.MNIST(root='D:\Code\Pytorch exercise/dataset/mnist', train=True, download=True,transform=transform)
train_loader = DataLoader(train_dataset, shuffle=True,batch_size=batch_size)
#（下载）加载训练集，之后进行batch分组
test_dataset = datasets.MNIST(root='D:\Code\Pytorch exercise/dataset/mnist', train=False,download=True,transform=transform)
test_loader = DataLoader(test_dataset,shuffle=False ,batch_size=batch_size)
#测试集

class InceptionA(nn.Module):
    def __init__(self, in_channels):
        super(InceptionA, self).__init__()
        self.branch1x1 = nn.Conv2d(in_channels, 16, kernel_size=1)
        #1x1
        self.branch5x5_1 = nn