PyTorch——线性层及其他层介绍(6)


线性层

前面1,1,1是你想要的,后面我们不知道这个值是多少,取-1让Python自己计算


python 复制代码
import torch
import torchvision
from torch import nn
from torch.nn import Linear
from torch.utils.data import DataLoader

# 加载CIFAR-10测试数据集并转换为Tensor格式
dataset = torchvision.datasets.CIFAR10("./data", train=False, transform=torchvision.transforms.ToTensor(),
                                       download=True)

# 创建数据加载器,每批次包含64个样本
dataloader = DataLoader(dataset, batch_size=64)

# 定义神经网络模型TY
class TY(nn.Module):
    def __init__(self):
        super(TY, self).__init__()
        # 定义全连接层:输入维度196608,输出维度10(对应10个类别)
        self.Linear1 = Linear(196608, 10)

    def forward(self, input):
        # 前向传播:将输入数据通过全连接层
        output = self.Linear1(input)
        return output

# 实例化模型
ty = TY()

# 遍历数据加载器中的每个批次
for data in dataloader:
    # 获取图像数据和对应的标签
    imgs, target = data
    # 打印原始图像张量形状:[批次大小, 通道数, 高度, 宽度]
    print(imgs.shape)
    
    # 将图像张量展平为一维向量
    # 注意:此处reshape参数(1,1,1,-1)会导致维度错误,正确应为(-1, 196608)
    output = torch.reshape(imgs, (1, 1, 1, -1))
    # 打印展平后的张量形状
    print(output.shape)
    
    # 将展平后的数据输入模型
    output = ty(output)
    # 打印模型输出形状:[批次大小, 类别数]
    print(output.shape)

另一种表达 flatten展平

python 复制代码
import torch
import torchvision
from torch import nn
from torch.nn import Linear
from torch.utils.data import DataLoader

dataset = torchvision.datasets.CIFAR10("./data",train=False,transform=torchvision.transforms.ToTensor(),
                                       download=True)

dataloader = DataLoader(dataset,batch_size=64)

class TY(nn.Module):
    def __init__(self):
        super(TY,self).__init__()
        self.Linear1 = Linear(196608,10)

    def forward(self,input):
        output = self.Linear1(input)
        return output

ty = TY()

for data in dataloader:
    imgs,target = data
    print(imgs.shape)
    output=torch.flatten(imgs)
    print(output.shape)
    output = ty(output)
    print(output.shape)
相关推荐
有Li2 小时前
通过具有一致性嵌入的大语言模型实现端到端乳腺癌放射治疗计划制定|文献速递-最新论文分享
论文阅读·深度学习·分类·医学生
郭庆汝2 小时前
pytorch、torchvision与python版本对应关系
人工智能·pytorch·python
思则变5 小时前
[Pytest] [Part 2]增加 log功能
开发语言·python·pytest
张较瘦_6 小时前
[论文阅读] 人工智能 | 深度学习系统崩溃恢复新方案:DaiFu框架的原位修复技术
论文阅读·人工智能·深度学习
cver1236 小时前
野生动物检测数据集介绍-5,138张图片 野生动物保护监测 智能狩猎相机系统 生态研究与调查
人工智能·pytorch·深度学习·目标检测·计算机视觉·目标跟踪
漫谈网络6 小时前
WebSocket 在前后端的完整使用流程
javascript·python·websocket
学技术的大胜嗷6 小时前
离线迁移 Conda 环境到 Windows 服务器:用 conda-pack 摆脱硬路径限制
人工智能·深度学习·yolo·目标检测·机器学习
try2find7 小时前
安装llama-cpp-python踩坑记
开发语言·python·llama
博观而约取8 小时前
Django ORM 1. 创建模型(Model)
数据库·python·django
Akttt9 小时前
【T2I】R&B: REGION AND BOUNDARY AWARE ZERO-SHOT GROUNDED TEXT-TO-IMAGE GENERATION
人工智能·深度学习·计算机视觉·text2img