亚洲乱码中文字幕综合,中国熟女仑乱hd,亚洲精品乱拍国产一区二区三区,一本大道卡一卡二卡三乱码全集资源,又粗又黄又硬又爽的免费视频

pytorch神經(jīng)網(wǎng)絡之卷積層與全連接層參數(shù)的設置方法

 更新時間:2019年08月18日 10:43:46   作者:嘿芝麻  
今天小編就為大家分享一篇pytorch神經(jīng)網(wǎng)絡之卷積層與全連接層參數(shù)的設置方法,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧

當使用pytorch寫網(wǎng)絡結構的時候,本人發(fā)現(xiàn)在卷積層與第一個全連接層的全連接層的input_features不知道該寫多少?一開始本人的做法是對著pytorch官網(wǎng)的公式推,但是總是算錯。

后來發(fā)現(xiàn),寫完卷積層后可以根據(jù)模擬神經(jīng)網(wǎng)絡的前向傳播得出這個。

全連接層的input_features是多少。首先來看一下這個簡單的網(wǎng)絡。這個卷積的Sequential本人就不再啰嗦了,現(xiàn)在看nn.Linear(???, 4096)這個全連接層的第一個參數(shù)該為多少呢?

請看下文詳解。

class AlexNet(nn.Module):
  def __init__(self):
    super(AlexNet, self).__init__()

    self.conv = nn.Sequential(
      nn.Conv2d(3, 96, kernel_size=11, stride=4),
      nn.ReLU(inplace=True),
      nn.MaxPool2d(kernel_size=3, stride=2),

      nn.Conv2d(96, 256, kernel_size=5, padding=2),
      nn.ReLU(inplace=True),
      nn.MaxPool2d(kernel_size=3, stride=2),

      nn.Conv2d(256, 384, kernel_size=3, padding=1),
      nn.ReLU(inplace=True),
      nn.Conv2d(384, 384, kernel_size=3, padding=1),
      nn.ReLU(inplace=True),
      nn.Conv2d(384, 256, kernel_size=3, padding=1),
      nn.ReLU(inplace=True),
      nn.MaxPool2d(kernel_size=3, stride=2)
    )

    self.fc = nn.Sequential(
      nn.Linear(???, 4096)
      ......
      ......
    )

首先,我們先把forward寫一下:

  def forward(self, x):
    x = self.conv(x)
    print x.size()

就寫到這里就可以了。其次,我們初始化一下網(wǎng)絡,隨機一個輸入:

import torch
from Alexnet.AlexNet import *
from torch.autograd import Variable

if __name__ == '__main__':
  net = AlexNet()

  data_input = Variable(torch.randn([1, 3, 96, 96])) # 這里假設輸入圖片是96x96
  print data_input.size()
  net(data_input)

結果如下:

(1L, 3L, 96L, 96L)
(1L, 256L, 1L, 1L)

顯而易見,咱們這個全連接層的input_features為256。

以上這篇pytorch神經(jīng)網(wǎng)絡之卷積層與全連接層參數(shù)的設置方法就是小編分享給大家的全部內(nèi)容了,希望能給大家一個參考,也希望大家多多支持腳本之家。

相關文章

最新評論