pytorch Sequential

卷积池化的小网络

最开始in-channel为3，out-channel为32，kernel是给的，所以卷积Conv2d函数所需的padding和stride是通过公式算出来的

 

 整个网络代码如下：

import torch
from torch import nn
from torch.nn import Conv2d, MaxPool2d, Flatten, Linear


class Tudui(nn.Module):
    def __init__(self):
        super(Tudui, self).__init__()
        self.conv1=Conv2d(3,32,5,padding=2)
        #其中的参数padding和stride是通过公式算出来的，in_channels: int,out_channels: int, kernel_size是已有的
        self.maxpool1=MaxPool2d(2)
        self.conv2=Conv2d(32,32,5,padding=2)
        self.maxpool2=MaxPool2d(2)
        self.conv3=Conv2d(32,64,5,padding=2)
        self.maxpool3=MaxPool2d(2)
        self.flatten=Flatten()
        self.linear1=Linear(1024,64)
        self.linear2=Linear(64,10)

    def forward(self,x):
        x=self.conv1(x)
        x=self.maxpool1(x)
        x=self.conv2(x)
        x=self.maxpool2(x)
        x=self.conv3(x)
        x=self.maxpool3(x)
        x=self.flatten(x)
        x=self.linear1(x)
        x=self.linear2(x)
        return x

tudui=Tudui()
print(tudui)
input=torch.ones((64,3,32,32))
output=tudui(input)
print(output.shape)
#输出：torch.Size([64, 10])，64是batch-size

输出：

用 Sequential简化代码：

可视化模型结构：

writer=SummaryWriter("../logs_seq")
writer.add_graph(tudui,input)
writer.close()

在timi...进行操作