一、LeNet-5 1998年由Yann LeCun提出,用于数字识别的CNN。该模型一共有7层(不含INPUT),结构如下: (1)卷积层C1 6个5*5的卷积核,不使用padding,步长为1;卷积得到6个特征图,每个特征图的每个神经元与INPUT32*32中5*5的区域相连,特征图长宽为(32-5)/1+1=28。 每个神经元的参数数目(卷积核):5*5个w...
Model = LeNet5Model()#定义一个损失函数Loss_fn = nn.CrossEntropyLoss()#定义一个优化器Optimizer = torch.optim.SGD(Model.parameters(), lr=1e-2, momentum=0.9)deftrain(model, optimizer, loss_fn):print('训练:') loss, acc, n =0.0,0.0,0.0forbatch, (X, y)inenumerate(train_load):#正向...
(3)加载Pytorch预训练模型以及相应的参数(与第一种方式本质是一致的) 1.3 模型的保存的API函数:代码示例 (1)保存模型(包括模型结构与参数) #存储模型 torch.save(net, "models/lenet_cifar10_model.pkl") 1. 2. (2)保存模板参数 #存储参数 torch.save(net.state_dict() ,"models/lenet_cifar10_model_...
Conv2d逐渐“缩小”输入形状，因此在该点上，形状不太可能等于2048，因此16*16*8可能是错误的数字。