昇思25天学习打卡营第06天 | 网络构建

昇思25天学习打卡营第06天 | 网络构建

文章目录

神经网络模型是由神经网络层和对Tensor的操作构成的。
在MindSpore, Cell类是网络的基本单元。一个神经网络模型表示为一个 Cell,它由不同的子 Cell构成。

定义网络

通过继承nn.Cell类,在__init__方法中进行子Cell的实例化和状态管理,在construct方法中实现Tensor的操作。

python 复制代码
class Network(nn.Cell):
    def __init__(self):
        super().__init__()
        self.flatten = nn.Flatten()
        self.dense_relu_sequential = nn.SequentialCell(
            nn.Dense(28*28, 512, weight_init="normal", bias_init="zeros"),
            nn.ReLU(),
            nn.Dense(512, 512, weight_init="normal", bias_init="zeros"),
            nn.ReLU(),
            nn.Dense(512, 10, weight_init="normal", bias_init="zeros")
        )

    def construct(self, x):
        x = self.flatten(x)
        logits = self.dense_relu_sequential(x)
        return logits

model = Network()

网络层

  • nn.Flatten(start_dim=1, end_dim=-1):沿着从start_dimend_dim的维度,对输入Tensor进行展平。
  • nn.Dense:全连接层,使用权重和偏差对输入进行线性变换。
  • nn.ReLU:给网络中加入非线性激活函数。
  • nn.SequentialCell:一个有序的Cell容器,将输入Tensor按定义的顺序依次通过所有Cell
  • nn.Softmax:将网络最后一个全连接层返回的logits缩放为 [ 0 , 1 ] [0, 1] [0,1],表示每个类别的预测概率,axis指定的维度数值和为 1 1 1。

模型预测

构造一个输入,直接调用模型,即可获得模型的输出 ,包含每个类别的原始预测值

model.construct()方法不可直接调用。

python 复制代码
X = ops.ones((1, 28, 28), mindspore.float32)
logits = model(X)

通过nn.Softmax层实例来获得预测概率:

python 复制代码
pred_probab = nn.Softmax(axis=1)(logits)
y_pred = pred_probab.argmax(1)
print(f"Predicted class: {y_pred}")

模型参数

神经网络层具有权重参数和偏置参数,这些参数会在训练过程中不断进行优化。

-通过model.parameters_and_names()来获取参数名及对应的参数详情。

python 复制代码
print(f"Model structure: {model}\n\n")

for name, param in model.parameters_and_names():
    print(f"Layer: {name}\nSize: {param.shape}\nValues : {param[:2]} \n")

总结

通过这一节的学习,对MindSpore中的网络模型有了基础认识,通过对Cell类的继承,创建一个网络,并在__init__中定义和创建子Cell,并在construct中进行Tensor的操作。此外,还学习了FlattenDenseReLUSequentialCellSoftmax等基本网络层,还有通过`model.parameters_and_names()·访问模型参数的方法

打卡

相关推荐
醉暮天4 分钟前
4.26学习——web刷题
android·前端·学习
大佛拈花5 分钟前
Godot学习-3D基本环境设置以及3D角色移动
学习·3d·godot
superior tigre9 分钟前
C++学习:六个月从基础到就业——STL:分配器与设计原理
c++·学习
豆沙沙包?27 分钟前
7.学习笔记-Maven进阶(P75-P89)-进度(p75-P80)
笔记·学习·maven
yuhouxiyang1 小时前
学习海康VisionMaster之卡尺工具
学习·计算机视觉
Lester_11011 小时前
嵌入式学习笔记 - HAL_xxx_MspInit(xxx);函数
笔记·学习
龙湾开发1 小时前
ShaderToy学习笔记 02.圆
笔记·学习
虾球xz2 小时前
游戏引擎学习第246天:将 Worker 上下文移到主线程创建
c++·学习·游戏引擎
蓝莓味柯基2 小时前
DevOps:概念与学习路径
运维·学习·devops
赏你个麻辣烫儿2 小时前
机器学习学习笔记
笔记·学习