一起深度学习(AlexNet网络)

AlexNet神经网络

代码实现:

python 复制代码
import torch
from torch import nn
from d2l import torch as d2l

net = nn.Sequential(
    # 采用了11*11的卷积核来捕捉对象,因为原始输入数据比较大
    #步幅为4 ,可减少输出的高度核宽度。
    #输出通道为96,远大于Lenet
    #卷积之后大小的计算:H_2 = (H_1 + 2 * padding - kernel_size) / stride + 1,向下取整
    # 因为这里我们用的数据是fahsion_mnist ,输入通道就为1
    # [1,224,224] => [1,96,54,54]
    nn.Conv2d(in_channels=1,out_channels=96,kernel_size=11,stride=4,padding=1),nn.ReLU(),
    #池化后的大小计算公式:H_2 = (H1 + 2 * padding - kernel_size) / stride + 1
    # [1,96,54,54] => [1,96,26,26]
    nn.MaxPool2d(kernel_size=3,stride=2),
    #减小卷积窗口大小,使用padding = 2 来保证输入与输出的宽高一致,且增大输出通道。
    # [1,96,26,26] => [1,256,26,26]  H2=(26 + 2*2 -5)/1 +1
    nn.Conv2d(in_channels=96,out_channels=256,kernel_size=5,padding=2),nn.ReLU(),
    #[1,256,26,26] => [1,256,12,12]
    nn.MaxPool2d(kernel_size=3,stride=2),
    #三个卷积层
    # [1,256,12,12] => [1,384,12,12]
    nn.Conv2d(256,384, kernel_size=3, padding=1),nn.ReLU(),
    # [1,384,12,12]  =>  [1,384,12,12]
    nn.Conv2d(384,384, kernel_size=3, padding=1),nn.ReLU(),
    # [1,384,12,12] => [1,,256,12,12]
    nn.Conv2d(384,256, kernel_size=3, padding=1),nn.ReLU(),
    #[1,,256,12,12] => [1,256,5,5] 因为 H2 = (12 -3 )/2 +1 = 5
    nn.MaxPool2d(kernel_size=3, stride=2),
    #输入数据打平,传送给全连接层.
    nn.Flatten(),  # 256 * 5 * 5 = 6400
    # 由于输入的数据过大,远远大于leNet网络,为了避免过拟合,可采用 dropout
    nn.Linear(6400,4096),nn.ReLU(),
    nn.Dropout(p=0.5),
    nn.Linear(4096,4096),nn.ReLU(),
    nn.Dropout(p=0.5),
    nn.Linear(4096,10)
)

#加载数据集
batch_size = 128
train_iter,test_iter = d2l.load_data_fashion_mnist(batch_size,resize=224)

#训练模型:

#开始训练
lr,num_epochs = 0.01,10
d2l.train_ch6(net,train_iter,test_iter,num_epochs,lr,d2l.try_gpu())
相关推荐
BUTCHER58 分钟前
【原理扫描】SSL/TLS 服务器瞬时 Difie-Hellman 公共密钥过弱
java·服务器·网络·ssl
Juchecar15 分钟前
如何理解“AI token 大宗商品化”?
人工智能
文火冰糖的硅基工坊16 分钟前
[人工智能-大模型-29]:大模型应用层技术栈 - 第二层:Prompt 编排层(Prompt Orchestration)
人工智能·大模型·prompt·copilot
大模型真好玩19 分钟前
LangGraph实战项目:从零手搓DeepResearch(三)——LangGraph多智能体搭建与部署
人工智能·langchain·mcp
飞哥数智坊21 分钟前
DeepSeek-OCR:用“看图”代替“读文”,一种更像人类的上下文压缩方式
人工智能·deepseek
Python图像识别35 分钟前
73_基于深度学习的水面漂浮垃圾检测系统(yolo11、yolov8、yolov5+UI界面+Python项目源码+模型+标注好的数据集)
python·深度学习·yolo
L.fountain36 分钟前
强化学习2.2 MDP实践——Frozen lake
人工智能·强化学习
JJJJ_iii40 分钟前
【机器学习06】神经网络的实现、训练与向量化
人工智能·笔记·深度学习·神经网络·学习·机器学习·线性回归
倔强的石头10644 分钟前
AI协作天花板!CherryStudio让多模型协同像搭积木
人工智能·cpolar
IT_陈寒1 小时前
Vite 3.0 性能优化实战:5个技巧让你的构建速度提升200% 🚀
前端·人工智能·后端