网站建设责任分工,永年网站制作,购物网站可以备案吗,河北省建设机械会网站首页文章目录 简介conv2d网络层的结构 简介
它是最早发布的卷积神经网络之一 conv2d
这个卷积成的参数先进行介绍一下#xff1a;
self.conv1 nn.Conv2d(in_channels3, out_channels10, kernel_size3, stride1, padding1)先看一下in_channels 输入的通道数#xff0c;out_cha… 文章目录 简介conv2d网络层的结构 简介
它是最早发布的卷积神经网络之一 conv2d
这个卷积成的参数先进行介绍一下
self.conv1 nn.Conv2d(in_channels3, out_channels10, kernel_size3, stride1, padding1)先看一下in_channels 输入的通道数out_channels输出通道数然后彩色图片一般是3的通道数kernel_size是进行卷积的矩阵长和宽stride 是走的步长 padding 是原图片当中填充的的长和宽 他们的关系其实这个in_channelsout_channels就是你这一层需要的通道数和自己输出的通道数和 kernel_size, stride, padding 没有直接关系而kernel_size, stride, padding 是修改的图片的高宽是用来获取图片特征很有用的参数
网络层的结构
我们对原始模型做了一点小改动去掉了最后一层的高斯激活。除此之外这个网络与最初的LeNet-5一致。
net nn.Sequential(nn.Conv2d(1, 6, kernel_size5, padding2), nn.Sigmoid(),nn.AvgPool2d(kernel_size2, stride2),nn.Conv2d(6, 16, kernel_size5), nn.Sigmoid(),nn.AvgPool2d(kernel_size2, stride2),nn.Flatten(),nn.Linear(16 * 5 * 5, 120), nn.Sigmoid(),nn.Linear(120, 84), nn.Sigmoid(),nn.Linear(84, 10))
