Pytorch 小记 第六回：AlexNet卷积神经网络模型代码

本次小记，提供了一份基于pytorch的AlexNet卷积神经网络模型的代码。除此之外，对代码中不容易理解的部分进行了讲解。
本代码的平台是PyCharm 2024.1.3，python版本3.11 numpy版本是1.26.4，pytorch版本2.0.0+cu118

模型训练的详细代码如下：

import torch
from torch import nn
import numpy as np
import time
from torchvision.datasets import CIFAR10


# 数据获取
def data_treating(x):
    x = np.array(x, dtype='float32') / 255
    x = (x - 0.5) / 0.5  #
    x = x.transpose((2, 0, 1))  
    x = torch.from_numpy(x)
    return x


train_set = CIFAR10('./data', train=True, transform=data_treating)
train_data = torch.utils.data.DataLoader(train_set, batch_size=64, shuffle=True)


# 数据模型定义
class AlexNet(nn.Module):
    def __init__(self):
        super().__init__()
        # 第一层3*3的卷积，输入的 channels是3，输出的channels是64，步长是1，没有填充
        self.conv1 = nn.Sequential(nn.Conv2d(3,64,3,1),
                                   nn.ReLU(True))
        # 第二层4*4的池化，步长是2，没有填充
        self.max_pool1 = nn.MaxPool2d(4, 2)
        # 第三层3*3的卷积，输入的 channels是64，输出的channels是64，步长是1，没有填充
        self.conv2 = nn.Sequential(nn.Conv2d(64,256,3,1),
                                   nn.ReLU(True))
        # 第四层是4