女生做网站编辑好不好,专注于上海seo做网站建设,网站开发php程序员,seo推广网站有哪1. 背景#xff1a;
使用 mindspore 学习神经网络#xff0c;打卡第五天#xff1b;
2. 训练的内容#xff1a;
使用 mindspore 的 nn.Cell 构建常见的网络使用方法#xff1b;
3. 常见的用法小节#xff1a;
支持一系列常用的 nn 的操作
3.1 nn.Cell 网络构建
使用 mindspore 学习神经网络打卡第五天
2. 训练的内容
使用 mindspore 的 nn.Cell 构建常见的网络使用方法
3. 常见的用法小节
支持一系列常用的 nn 的操作
3.1 nn.Cell 网络构建
nn.Cell 基类的构建 构建一个用于Mnist数据集分类的神经网络模型
import mindspore
from mindspore import nn, ops# 一个神经网络模型表示为一个Cell, 它由不同的子Cell构成。使用这样的嵌套结构可以简单地使用面向对象编程的思维对神经网络结构进行构建和管理
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_initnormal, bias_initzero),nn.ReLU(),nn.Dense(512, 10, weight_initnormal, bias_initzeros),)# model.construct()方法不可直接调用def construct(self, x):x self.flatten(x)logits self.dense_relu_sequential(x)return logits3.2 常见 nn 的模块的使用
nn.Flatten() 将 2D Tensor 转换成连续数组nn.Dense: 全连接层其使用权重和偏差对输入进行线性变换nn.ReLU层: 给网络中加入非线性的激活函数帮助神经网络学习各种复杂的特征。nn.Softmax: 神经网络最后一个全连接层返回的logits的值缩放为[0, 1]表示每个类别的预测概率 nn.SequentialCell: 一个有序的Cell容器。输入Tensor将按照定义的顺序通过所有Cell。
# 分解介绍# 输入参数
input_image ops.ones((3, 28, 28), mindspore.float32)
print(input_image.shape)# 将28x28的2D张量转换为784大小的连续数组
flatten nn.Flatten()
flat_image flatten(input_image)
print(flat_image.shape)# nn.Dense为全连接层其使用权重和偏差对输入进行线性变换
layer1 nn.Dense(in_channels28*28, out_channels20)
hidden1 layer1(flat_image)
print(hidden1.shape)# nn.ReLU层给网络中加入非线性的激活函数帮助神经网络学习各种复杂的特征。
print(fBefore ReLU: {hidden1}\n\n)
hidden1 nn.ReLU()(hidden1)
print(fAfter ReLU: {hidden1})# nn.SequentialCell是一个有序的Cell容器。输入Tensor将按照定义的顺序通过所有Cell。我们可以使用nn.SequentialCell来快速组合构造一个神经网络模型。
seq_modules nn.SequentialCell(flatten,layer1,nn.ReLU(),nn.Dense(20, 10)
)logits seq_modules(input_image)
print(logits.shape)# 最后使用nn.Softmax将神经网络最后一个全连接层返回的logits的值缩放为[0, 1]表示每个类别的预测概率
softmax nn.Softmax(axis1)
pred_probab softmax(logits)# 模型参数
print(fModel structure: {model}\n\n)for name, param in model.parameters_and_names():print(fLayer: {name}\nSize: {param.shape}\nValues : {param[:2]} \n)
活动参与链接
https://xihe.mindspore.cn/events/mindspore-training-camp
