线性层及其它层介绍

最新推荐文章于 2023-08-01 12:27:59 发布

半糖390

最新推荐文章于 2023-08-01 12:27:59 发布

阅读量312

点赞数 2

分类专栏：神经网络文章标签：图像处理 pytorch 计算机视觉深度学习

本文链接：https://blog.csdn.net/weixin_69398563/article/details/126358412

版权

神经网络专栏收录该内容

6 篇文章 0 订阅

订阅专栏

这篇博客介绍了如何使用PyTorch对CIFAR10数据集进行预处理，包括将图片尺寸调整为[1,1,1,任何参数]，并使用Flatten操作将数据展平，以便输入到线性层中。作者通过示例代码展示了如何定义和使用自定义的线性层模型，并展示了代码运行结果。

摘要由CSDN通过智能技术生成

这一节内容做的笔记有些潦草，但内容和代码都与前面的一致

使用步骤

a.代码如下（示例）：

import torch
import torchvision
from torch import nn
from torch.nn import Linear
from torch.utils.data import DataLoader

dataset=torchvision.datasets.CIFAR10("./dataset",train=False,transform=torchvision.transforms.ToTensor(),
                                     download=True)
dataloader=DataLoader(dataset,batch_size=64)

"""class Tudui(nn.Module):
    def __init__(self):
        super(Tudui, self).__init__()
        self.linear1=Linear()"""

for data in dataloader:
    imgs,targets=data
    print(imgs.shape)                      #[64,3,32,32]

b.现在我想将图片尺寸改为[1,1,1，任何参数]，代码如下：

import torch
import torchvision
from torch import nn
from torch.nn import Linear
from torch.utils.data import DataLoader

dataset=torchvision.datasets.CIFAR10("./dataset",train=False,transform=torchvision.transforms.ToTensor(),
                                     download=True)
dataloader=DataLoader(dataset,batch_size=64)

"""class Tudui(nn.Module):
    def __init__(self):
        super(Tudui, self).__init__()
        self.linear1=Linear()"""

for data in dataloader:
    imgs,targets=data
    print(imgs.shape)                      #[64,3,32,32]
    output=torch.reshape(imgs,[1,1,1,-1])  #将最后一个数让它自己计算
    print(output.shape)

成果如下：

c.当调用函数时，代码如下：

import torch
import torchvision
from torch import nn
from torch.nn import Linear
from torch.utils.data import DataLoader

dataset=torchvision.datasets.CIFAR10("./dataset",train=False,transform=torchvision.transforms.ToTensor(),
                                     download=True)
dataloader=DataLoader(dataset,batch_size=64)

class Tudui(nn.Module):
    def __init__(self):
        super(Tudui, self).__init__()
        self.linear1=Linear(196608,10)

    def forward(self,input):
        output=self.linear1(input)
        return output
tudui=Tudui()

for data in dataloader:
    imgs,targets=data
    print(imgs.shape)                      #[64,3,32,32]
    output=torch.reshape(imgs,[1,1,1,-1])  #将最后一个数让它自己计算
    print(output.shape)
    output=tudui(output)
    print(output.shape)

对应的成果如下：

d.当我想用Flatten时，代码书写如下：

import torch
import torchvision
from torch import nn
from torch.nn import Linear
from torch.utils.data import DataLoader

dataset=torchvision.datasets.CIFAR10("./dataset",train=False,transform=torchvision.transforms.ToTensor(),
                                     download=True)
dataloader=DataLoader(dataset,batch_size=64)

class Tudui(nn.Module):
    def __init__(self):
        super(Tudui, self).__init__()
        self.linear1=Linear(196608,10)

    def forward(self,input):
        output=self.linear1(input)
        return output
tudui=Tudui()

for data in dataloader:
    imgs,targets=data
    print(imgs.shape)                      #[64,3,32,32]
    output=torch.flatten(imgs)             #将输入层进行展平
    print(output.shape)
    output=tudui(output)
    print(output.shape)