<address id="bjbhz"><dfn id="bjbhz"><output id="bjbhz"></output></dfn></address><address id="bjbhz"><dfn id="bjbhz"></dfn></address>
        <address id="bjbhz"><dfn id="bjbhz"></dfn></address>

        <sub id="bjbhz"><var id="bjbhz"><mark id="bjbhz"></mark></var></sub>
          <sub id="bjbhz"><var id="bjbhz"></var></sub>
          <sub id="bjbhz"><var id="bjbhz"><ins id="bjbhz"></ins></var></sub>

          <address id="bjbhz"><var id="bjbhz"></var></address>
          <address id="bjbhz"><dfn id="bjbhz"></dfn></address>

          <address id="bjbhz"><listing id="bjbhz"><ins id="bjbhz"></ins></listing></address>

            <thead id="bjbhz"></thead>

          pytorch-LeNet网络

          LeNet网络的结构

          分享图片

           

           输入的32x32x1的单通道图片,

          第一层网络: 3x3x1x6的卷积层,步长为1, padding = 1, 经过2x2的池化操作

          第二层网络: 5x5x6x16的卷积层, 步长为1, padding = 2, 经过2x2的池化操作

          第三层网络: 经过.view(out.size(0), -1)的尺度变化, 通过400, 120 的第一层全连接, 通过120, 84的第二层全连接, 通过84, 10的第三层全连接。

          LeNet.py 

          import torch
          from torch import nn
          
          class Lenet(nn.Module):
              def __init__(self):
                  super(Lenet, self).__init__()
          
                  layer1 = nn.Sequential()
                  layer1.add_module(conv1, nn.Conv2d(1, 6, 3, padding=1))
                  layer1.add_module(pool1, nn.MaxPool2d(2, 2))
                  self.layer1 = layer1
          
                  layer2 = nn.Sequential()
                  layer2.add_module(conv2, nn.Conv2d(6, 16, 5))
                  layer2.add_module(pool2, nn.MaxPool2d(2, 2))
                  self.layer2 = layer2
          
                  layer3 = nn.Sequential()
                  layer3.add_module(fc1, nn.Linear(400, 120))
                  layer3.add_module(fc2, nn.Linear(120, 84))
                  layer3.add_module(fc3, nn.Linear(84, 10))
                  self.layer3 = layer3
          
              def forward(self, x):
                  x = self.layer1(x)
                  x = self.layer2(x)
                  x = x.view(x.size(0), -1)
                  x = self.layer3(x)
          
                  return x
          相关文章
          相关标签/搜索
          管家婆香港2018年资料四肖期期准铁算盘4887开奖结果四肖三期内必出刘伯温6374cm刘伯温168最快开奖现场开马开奖结果天天彩票