【python】神经网络

构建神经网络的典型流程

  1. 定义一个拥有可学习参数的神经网络

  2. 遍历训练数据集

  3. 处理输入数据使其流经神经网络

  4. 计算损失值

  5. 将网络参数的梯度进行反向传播

  6. 以一定的规则更新网络的权重

卷积神经网络(pytorch自己写的,建议用第三方包)

导包

from __future__ import print_function
import torch
import torch.nn as nn
import torch.nn.functional as F

建立神经网络类

class Net(nn.Module):
    def __init__(self):
        super(Net, self).__init__()
        # 定义第一层卷积神经网络,输入通道为3,输出通道为6,卷积核大小为5*5
        self.conv1 = nn.Conv2d(3, 6, 5)
        # 定义第二层卷积神经网络,输入通道为6,输出通道为16,卷积核大小为5*5
        self.conv2 = nn.Conv2d(6, 16, 5)
        # 定义全连接层
        self.fc1 = nn.Linear(16 * 5 * 5, 120)
        self.fc2 = nn.Linear(120, 84)
        self.fc3 = nn.Linear(84, 10)

    def forward(self, x):
        # 在池化层窗口下进行池化操作
        x = F.max_pool2d(F.relu(self.conv1(x)), (2, 2))
        x = F.max_pool2d(F.relu(self.conv2(x)), 2)
        x = x.view(-1, self.num_flat_features(x))
        x = F.relu(self.fc1(x))
        x = F.relu(self.fc2(x))
        x = self.fc3(x)
        return x

    def num_flat_features(self, x):
        size = x.size()[1:]  # 除去批处理维度的其他所有维度
        num_features = 1
        for s in size:
            num_features *= s
        return num_features

使用

net=Net()
param=list(net.parameters())
print(len(param))
print(param[0].size())
input=torch.randn(1,3,32,32)
out=net(input)
print(out)
相关推荐
张小生1802 分钟前
PyCharm中 argparse 库 的使用方法
python·pycharm
秃头佛爷2 分钟前
Python使用PDF相关组件案例详解
python
Dxy12393102163 分钟前
python下载pdf
数据库·python·pdf
叶知安4 分钟前
如何用pycharm连接sagemath?
ide·python·pycharm
weixin_432702268 分钟前
代码随想录算法训练营第五十五天|图论理论基础
数据结构·python·算法·深度优先·图论
y52364814 分钟前
Javascript监控元素样式变化
开发语言·javascript·ecmascript
菜鸟清风15 分钟前
ChromeDriver下载地址
python
deephub27 分钟前
Tokenformer:基于参数标记化的高效可扩展Transformer架构
人工智能·python·深度学习·架构·transformer
Open-AI44 分钟前
Python如何判断一个数是几位数
python
IT技术分享社区44 分钟前
C#实战:使用腾讯云识别服务轻松提取火车票信息
开发语言·c#·云计算·腾讯云·共识算法