用pytorch搭建AlexNet

Miracle
924
文章
42
评论
2018年10月6日10:49:42 评论 1010字阅读3分22秒

编译环境为Jupyter,代码如下:

  1. #AlexNet 搭建
  2. import torch
  3. import torch.nn as nn
  4. class AlexNet(nn.Module):
  5.     def __init__(self):
  6.         super(AlexNet,self).__init__()
  7.         self.features=nn.Sequential(
  8.             nn.Conv2d(3,96,11,4,0),
  9.             nn.ReLU(True),
  10.             nn.MaxPool2d(3,2),
  11.             nn.Conv2d(96,256,5,1,2),
  12.             nn.ReLU(True),
  13.             nn.MaxPool2d(3,2),
  14.             nn.Conv2d(256,384,3,1,1),
  15.             nn.ReLU(True),
  16.             nn.Conv2d(384,384,3,1,1),
  17.             nn.ReLU(True),
  18.             nn.Conv2d(384,256,3,1,1),
  19.             nn.ReLU(True),
  20.             nn.MaxPool2d(3,2)
  21.         )
  22.         self.classifier=nn.Sequential(
  23.             nn.Linear(9216,4096),
  24.             nn.ReLU(True),
  25.             nn.Dropout(0.5),
  26.             nn.Linear(4096,4096),
  27.             nn.ReLU(True),
  28.             nn.Dropout(0.5),
  29.             nn.Linear(4096,1000)
  30.         )
  31.     def forward(self,x):
  32.         x=self.features(x)
  33.         x=x.view(x.size(0),-1)
  34.         x=self.classifier(x)
  35.         return x
  36. alexnet=AlexNet()
  37. print(alexnet)

运行后网络结构:
用pytorch搭建AlexNet

继续阅读
  • 版权声明: 发表于 2018年10月6日10:49:42
  • 转载注明:https://x1995.cn/3301.html
Densely Connected Convolutional Networks翻译 深度学习

Densely Connected Convolutional Networks翻译

Abstract 最近的成果显示,如果神经网络各层到输入和输出层采用更短的连接,那么网络可以设计的更深、更准确且训练起来更有效率。本文根据这个现象,提出了Dense Convolutional Net...
匿名

发表评论

匿名网友 填写信息

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen: