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
吴佳浩2 小时前
我把 HAMi 摆回一台双卡机器上跑了一遍:GPU 编排的性能账,到底记在谁头上
人工智能·gpu
forest_096 小时前
《AI 编程 Harness 实战手册》04|审批这道门:点了一百次“允许”,还剩多少作用?
人工智能·算法·prompt·agi
Rabitebla7 小时前
【Linux操作系统】 文件篇(一):文件描述符与 Linux 文件管理机制
linux·网络·c++·笔记·学习
火山引擎开发者社区7 小时前
当 RPA 遇上 Agent:MUA 混合执行 Workflow 深度拆解
人工智能
严肃小白兔8 小时前
第 10/24 期:深度神经网络的自动求导机制与梯度验证
人工智能·神经网络·dnn
火山引擎开发者社区8 小时前
定档12.16-12.18!FORCE原动力大会上海见!
人工智能
努力的MM1238 小时前
CAIE 二级和阿里云大模型 ACP 怎么选?企业 AI 工程与云平台开发能力对比
人工智能
老金带你玩AI8 小时前
Kling Image 4.0来了!8K和组图直出,电商人的提效神器?
人工智能
孟健8 小时前
用 unslop 拯救 AI 生成网页的塑料感,7 分钟重构落地实测
前端·人工智能·ai编程