深度學(xué)習(xí)案例教程 課件4.5.2 卷積神經(jīng)網(wǎng)絡(luò)搭建_第1頁
深度學(xué)習(xí)案例教程 課件4.5.2 卷積神經(jīng)網(wǎng)絡(luò)搭建_第2頁
深度學(xué)習(xí)案例教程 課件4.5.2 卷積神經(jīng)網(wǎng)絡(luò)搭建_第3頁
深度學(xué)習(xí)案例教程 課件4.5.2 卷積神經(jīng)網(wǎng)絡(luò)搭建_第4頁
深度學(xué)習(xí)案例教程 課件4.5.2 卷積神經(jīng)網(wǎng)絡(luò)搭建_第5頁
已閱讀5頁，還剩1頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

第五節(jié)

實踐任務(wù)2卷積神經(jīng)網(wǎng)絡(luò)搭建模型這里我們手搭一個CNN，而不考慮當(dāng)下各種模型的復(fù)雜結(jié)構(gòu)，

模型構(gòu)建完成后，將模型放

到GPU上用于訓(xùn)練。第五節(jié)

實踐任務(wù)2卷積神經(jīng)網(wǎng)絡(luò)搭建模型classNet(nn.Module):

def__init__(self):

super(Net,self).__init__()

self.conv=nn.Sequential(

nn.Conv2d(1,32,5),

nn.ReLU(),

nn.MaxPool2d(2,stride=2),

nn.Dropout(0.3),

nn.Conv2d(32,64,5),

nn.ReLU(),

nn.MaxPool2d(2,stride=2),

nn.Dropout(0.3)

)

第五節(jié)

實踐任務(wù)2卷積神經(jīng)網(wǎng)絡(luò)搭建模型classNet(nn.Module):

def__init__(self):

super(Net,self).__init__()

self.conv=nn.Sequential( ...

)

self.fc=nn.Sequential(

nn.Linear(64*4*4,512),

nn.ReLU(),

nn.Linear(512,10)

)第五節(jié)

實踐任務(wù)2卷積神經(jīng)網(wǎng)絡(luò)搭建模型classNet(nn.Module):

def__init__(self):

super(Net,self).__init__()

...

defforward(self,x):

x=self.conv(x)

x=x.view(-1,64*4*4)

x=self.fc(x)

#x=nn.functional.normalize(x)

returnx第五節(jié)

實踐任務(wù)2卷積神經(jīng)網(wǎng)絡(luò)搭建模型創(chuàng)建模型，打印模型的信息，代碼如下：model=Net()

model=model.cuda()

print(model)第五節(jié)

實踐任務(wù)2卷積神經(jīng)網(wǎng)絡(luò)搭建模型運行程序，結(jié)果顯示如下：Net((conv):Sequential((0):Conv2d(1,32,kernel_size=(5,5),stride=(1,1))(1):ReLU()(2):MaxPool2d(kernel_size=2,stride=2,padding=0,dilation=1,…)(fc):Sequential((0):Linear(in_features=1024,out_features=512,bias=True)

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論