@本文來源於公衆號:csdn2299,喜歡可以關注公衆號 程序員學府
今天小編就爲大家分享一篇pytorch神經網絡之卷積層與全連接層參數的設置方法,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
當使用pytorch寫網絡結構的時候,本人發現在卷積層與第一個全連接層的全連接層的input_features不知道該寫多少?一開始本人的做法是對着pytorch官網的公式推,但是總是算錯。
後來發現,寫完卷積層後可以根據模擬神經網絡的前向傳播得出這個。
全連接層的input_features是多少。首先來看一下這個簡單的網絡。這個卷積的Sequential本人就不再囉嗦了,現在看nn.Linear(???, 4096)這個全連接層的第一個參數該爲多少呢?
請看下文詳解。
class AlexNet(nn.Module):
def __init__(self):
super(AlexNet, self).__init__()
self.conv = nn.Sequential(
nn.Conv2d(3, 96, kernel_size=11, stride=4),
nn.ReLU(inplace=True),
nn.MaxPool2d(kernel_size=3, stride=2),
nn.Conv2d(96, 256, kernel_size=5, padding=2),
nn.ReLU(inplace=True),
nn.MaxPool2d(kernel_size=3, stride=2),
nn.Conv2d(256, 384, kernel_size=3, padding=1),
nn.ReLU(inplace=True),
nn.Conv2d(384, 384, kernel_size=3, padding=1),
nn.ReLU(inplace=True),
nn.Conv2d(384, 256, kernel_size=3, padding=1),
nn.ReLU(inplace=True),
nn.MaxPool2d(kernel_size=3, stride=2)
)
self.fc = nn.Sequential(
nn.Linear(???, 4096)
......
......
)
首先,我們先把forward寫一下:
def forward(self, x):
x = self.conv(x)
print x.size()
就寫到這裏就可以了。其次,我們初始化一下網絡,隨機一個輸入:
import torch
from Alexnet.AlexNet import *
from torch.autograd import Variable
if __name__ == '__main__':
net = AlexNet()
data_input = Variable(torch.randn([1, 3, 96, 96])) # 這裏假設輸入圖片是96x96
print data_input.size()
net(data_input)
結果如下:
(1L, 3L, 96L, 96L)
(1L, 256L, 1L, 1L)
顯而易見,咱們這個全連接層的input_features爲256。
非常感謝你的閱讀
大學的時候選擇了自學python,工作了發現吃了計算機基礎不好的虧,學歷不行這是
沒辦法的事,只能後天彌補,於是在編碼之外開啓了自己的逆襲之路,不斷的學習python核心知識,深
入的研習計算機基礎知識,整理好了,我放在我們的微信公衆號《程序員學府》,如果你也不甘平庸,
那就與我一起在編碼之外,不斷成長吧!
其實這裏不僅有技術,更有那些技術之外的東西,比如,如何
做一個精緻的程序員,而不是“屌絲”,程序員本身就是高貴的一種存在啊,難道不是嗎?點擊加入
想做你自己想成爲高尚人,加油!