Pytorch CNN的各类参数

class Model(torch.nn.Module): def __init__(self): super(Model, self).__init__() self.conv1 = torch.nn.Sequential(torch.nn.Conv2d(1, 4, kernel_size=5, stride=1,padding=0), torch.nn.MaxPool2d(stride=4, kernel_size=4)) self.dense = torch.nn.Sequential(torch.nn.Linear(6 * 6 * 4, 33), torch.nn.ReLU(), torch.nn.Linear(33, 10)) def forward(self, x): x = self.conv1(x) x = x.view(-1, 6 * 6 * 4)  #把卷积池化获得的向量平铺开
        x = self.dense(x) return x

conv ：卷积层(2d就是二维平面的)

　　kernel_size 卷积核大小

　　stride 每次移动的步长

　　padding 四周填充的大小，注意是四周因此在算下一层的向量维度时要将padding 乘以 2

　　maxpool2d 二维平面的池化层

dense：全连接层

　　Linear 一层神经元 输入维数 输出维数

　　激活函数

　　输出层，10分类

 

forward 函数里的view(-1,n)就是把卷积池化获得的2维向量展开成1维的，便于传入全链接层