<address id="n1vvb"></address>
          <font id="n1vvb"></font>

            <thead id="n1vvb"></thead>

                pytorch-LeNet网络

                LeNet网络的结构

                分享图片

                 

                 输入的32x32x1的单通道图片,

                第一层网络: 3x3x1x6的卷积层,步长为1, padding = 1, 经过2x2的池化操作

                第二层网络: 5x5x6x16的卷积层, 步长为1, padding = 2, 经过2x2的池化操作

                第三层网络: 经过.view(out.size(0), -1)的尺度变化, 通过400, 120 的第一层全连接, 通过120, 84的第二层全连接, 通过84, 10的第三层全连接。

                LeNet.py 

                import torch
                from torch import nn
                
                class Lenet(nn.Module):
                    def __init__(self):
                        super(Lenet, self).__init__()
                
                        layer1 = nn.Sequential()
                        layer1.add_module(conv1, nn.Conv2d(1, 6, 3, padding=1))
                        layer1.add_module(pool1, nn.MaxPool2d(2, 2))
                        self.layer1 = layer1
                
                        layer2 = nn.Sequential()
                        layer2.add_module(conv2, nn.Conv2d(6, 16, 5))
                        layer2.add_module(pool2, nn.MaxPool2d(2, 2))
                        self.layer2 = layer2
                
                        layer3 = nn.Sequential()
                        layer3.add_module(fc1, nn.Linear(400, 120))
                        layer3.add_module(fc2, nn.Linear(120, 84))
                        layer3.add_module(fc3, nn.Linear(84, 10))
                        self.layer3 = layer3
                
                    def forward(self, x):
                        x = self.layer1(x)
                        x = self.layer2(x)
                        x = x.view(x.size(0), -1)
                        x = self.layer3(x)
                
                        return x
                相关文章
                相关标签/搜索
                特马资料最准2019四肖期期准四肖三期内必出四肖期期准免费公开四肖中特1肖1码期期大公开