淺談pytorch卷積核大小的設(shè)置對全連接神經(jīng)元的影響
更新時間：2020年01月10日 14:26:07 作者：tequilaro
今天小編就為大家分享一篇淺談pytorch卷積核大小的設(shè)置對全連接神經(jīng)元的影響，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧
3*3卷積核與2*5卷積核對神經(jīng)元大小的設(shè)置
#這里kerner_size = 2*5 class CONV_NET(torch.nn.Module): #CONV_NET類繼承nn.Module類 def __init__(self): super(CONV_NET, self).__init__() #使CONV_NET類包含父類nn.Module的所有屬性 # super()需要兩個實參，子類名和對象self self.conv1 = nn.Conv2d(1, 32, (2, 5), 1, padding=0) self.conv2 = nn.Conv2d(32, 128, 1, 1, padding=0) self.fc1 = nn.Linear(512, 128) self.relu1 = nn.ReLU(inplace=True) self.drop1 = nn.Dropout(0.5) self.fc2 = nn.Linear(128, 32) self.relu2 = nn.ReLU(inplace=True) self.fc3 = nn.Linear(32, 3) self.softmax = nn.Softmax(dim=1) def forward(self, x): x = self.conv1(x) x = self.conv2(x) x = x.view(x.size(0), -1) x = self.fc1(x) x = self.relu1(x) x = self.drop1(x) x = self.fc2(x) x = self.relu2(x) x = self.fc3(x) x = self.softmax(x) return x
主要看對稱卷積核以及非對稱卷積核之間的計算方式
#這里kerner_size = 3*3 class CONV_NET(torch.nn.Module): #CONV_NET類繼承nn.Module類 def __init__(self): super(CONV_NET, self).__init__() #使CONV_NET類包含父類nn.Module的所有屬性 # super()需要兩個實參，子類名和對象self self.conv1 = nn.Conv2d(1, 32, 3, 1, padding=1) self.conv2 = nn.Conv2d(32, 128, 1, 1, padding=0) self.fc1 = nn.Linear(3200, 128) self.relu1 = nn.ReLU(inplace=True) self.drop1 = nn.Dropout(0.5) self.fc2 = nn.Linear(128, 32) self.relu2 = nn.ReLU(inplace=True) self.fc3 = nn.Linear(32, 3) self.softmax = nn.Softmax(dim=1) def forward(self, x): x = self.conv1(x) x = self.conv2(x) x = x.view(x.size(0), -1) x = self.fc1(x) x = self.relu1(x) x = self.drop1(x) x = self.fc2(x) x = self.relu2(x) x = self.fc3(x) x = self.softmax(x) return x
針對kerner_size=2*5,padding=0，stride=1以及kerner_size=3*3,padding=1,stride=1二者計算方式的比較如圖所示
以上這篇淺談pytorch卷積核大小的設(shè)置對全連接神經(jīng)元的影響就是小編分享給大家的全部內(nèi)容了，希望能給大家一個參考，也希望大家多多支持腳本之家。
相關(guān)文章
Python多進程multiprocessing用法實例分析
這篇文章主要介紹了Python多進程multiprocessing用法,結(jié)合實例形式分析了Python多線程的概念以及進程的創(chuàng)建、守護進程、終止、退出進程、進程間消息傳遞等相關(guān)操作技巧,需要的朋友可以參考下2017-08-08
今天小編就為大家分享一篇python查看模塊安裝位置的方法，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-10-10![詳解pandas中利用DataFrame對象的.loc[]、.iloc[]方法抽取數(shù)據(jù)](http://img.jbzj.com/images/xgimg/bcimg2.png)
詳解pandas中利用DataFrame對象的.loc[]、.iloc[]方法抽取數(shù)據(jù)
這篇文章主要介紹了pandas中利用DataFrame對象的.loc[]、.iloc[]方法抽取數(shù)據(jù)，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2020-12-12
基于pyinstaller超級加密操作(加殼和轉(zhuǎn)c)
這篇文章主要介紹了基于pyinstaller超級加密操作 (加殼和轉(zhuǎn)c)，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2021-03-03
這篇文章主要為大家詳細(xì)介紹了pytorch繪制曲線的方法，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價值，感興趣的小伙伴們可以參考一下2021-03-03
Python中re正則匹配數(shù)據(jù)的實現(xiàn)
在Python中,可以使用re模塊來使用正則表達式,本文主要介紹了Python中re正則匹配數(shù)據(jù)的實現(xiàn),文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2024-04-04
Python Faker批量生成測試數(shù)據(jù)的實現(xiàn)
本文主要介紹了Python Faker批量生成測試數(shù)據(jù)，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2023-11-11
這篇文章主要介紹了基于python求兩個列表的并集.交集.差集,文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下2020-02-02
這篇文章主要給大家介紹了關(guān)于Django后端按照日期查詢的相關(guān)資料，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2021-02-02
在模版中，有時候需要對一些數(shù)據(jù)進行處理以后才能使用。一般在Python中我們是通過函數(shù)的形式來完成的。而在模版中，則是通過過濾器來實現(xiàn)的，本文就來介紹一下如何實現(xiàn)2021-05-05