【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

复制代码
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

复制代码
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

复制代码
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
学无止境小袁同学18 分钟前
Google ADK 学习指南
python·llm·agent·多agent·google adk·llmagent·agent cli
郝学胜-神的一滴1 小时前
Effective Python 条款35:用类封装替代生成器异常注入
开发语言·人工智能·python·金融·pandas·scikit-learn·matplotlib
feixing_fx1 小时前
原始类型与引用类型:赋值时到底复制了什么
开发语言·前端·javascript·前端框架
LK_071 小时前
【力扣】142. 环形链表 II |Python
python·leetcode·链表
wuyk5551 小时前
Python办公自动化-第02讲-Excel文件认知与四大库选型
开发语言·python·excel
神明不懂浪漫2 小时前
【第八章】多线程(一)
java·开发语言·经验分享·笔记
用户54817845909502 小时前
Java 与 Python 在大模型与智能体领域的选型
java·python
yiangL_3 小时前
1、Python 输入输出实验|print 与 input 人机交互实践
开发语言·python·人机交互
高洁013 小时前
世界模型的因果内核:从预测表象到理解机制
人工智能·python·深度学习·transformer·迁移学习