【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
LouisCanBe6 分钟前
Python 环境管理工具选择与安装实践:Conda 与 uv
linux·python
wuxiguala9 分钟前
【C/S通信仿真】
c语言·开发语言
2301_817031659 分钟前
C语言-- 深入理解指针(3)
c语言·开发语言
limengshi13839215 分钟前
使用Python将YOLO的XML标注文件转换为TXT文件格式
xml·python·yolo
海绵宝宝的月光宝盒20 分钟前
[STM32] 4-1 UART与串口通信
c语言·开发语言·笔记·stm32·单片机
矢志航天的阿洪20 分钟前
伪谱法求解最优控制问题(附Python代码)
开发语言·python
贵沫末36 分钟前
AI——神经网络以及TensorFlow使用
人工智能·python·线性回归
十步杀一人_千里不留行1 小时前
面向 C# 初学者的完整教程
开发语言·c#
JavaEdge在掘金1 小时前
你真的需要手写迭代器吗?迭代器模式原理、JDK 实现与最佳实践指南
python
C_V_Better1 小时前
数据结构-链表
java·开发语言·数据结构·后端·链表