小土堆的p22sequential，学习笔记

前面几天，在微信读书上找了一些深度学习的书看，找了很久看到一本两个日本人写的一本书叫深度学习的数学，讲的很不错，粗略的看了一遍，初步了解了神经网络的模型，打算买一本他的实体书仔细读一遍，最近自己敲代码就少了，都在研究那本书了，下面的代码有什么函数的用法不明白的可以参考我之前的文章，自己写文章主要是为了自己有更深的理解，其次就是帮助别人

先附上今天自己实现的代码

import torch
from torch.nn import Module, Sequential
from torch.nn import Conv2d,Linear,MaxPool2d,Flatten
from torch.utils.tensorboard import SummaryWriter
class MySquential(Module):
    def __init__(self):
        super(MySquential, self).__init__()
        #sequential类似于transformers中的compose，将所有的层整合在一起
        self.sequential=Sequential(
            Conv2d(3,32,5,padding=2),#这里的padding需要计算，去pytorch官网找到那个公式代入计算一下
            MaxPool2d(2),
            Conv2d(32,32,5,padding=2),
            MaxPool2d(2),
            Conv2d(32, 64, 5, padding=2),
            MaxPool2d(2),
            Flatten(),#将一个矩阵展平
            Linear(1024,64),
            Linear(64,10)
        )
"""
先用5核卷积，再用2核池化，持续三次，将特征展平，线性化两次，得到十个结果
"""
    def forward(self,input):
        output=self.sequential(input)
        return output
input=torch.ones(64,3,32,32)
sequential=MySquential()
destination=sequential(input)
writer=SummaryWriter("logs")
writer.add_graph(sequential,input)#输入参数是自己写的一个神经网络的类和输入类的数据，生成一个类似思维导图的东西
writer.close()

运行结果，控制台输入tensorboard --logdir=logs，打开链接