batchnorm2d参数 torch_科学网—Pytorch中nn.Conv1d、Conv2D与BatchNorm1d、BatchNorm2d函数 - 张伟的博文...

此处mark一下图像处理中常见的Conv和BatchNorm操作，提供参考链接！！

(一)Conv1D和Conv2D实现

实现代码和相应卷积的数据输入格式要求

import os

import torch

import torch.nn as nn

import torch.nn.functional as F

import torch.utils.data

class myCNN(torch.nn.Module):

def __init__(self):

super(myCNN, self).__init__()

#nn.Model.__init__(self)

self.conv1 = nn.Conv2d(1, 6, 5)  # 输入通道数为1，输出通道数为6

self.conv2 = nn.Conv2d(6, 16, 5)  # 输入通道数为6，输出通道数为16

self.fc1 = nn.Linear(5 * 5 * 16, 120)

self.fc2 = nn.Linear(120, 84)

self.fc3 = nn.Linear(84, 10)

def forward(self,x):

# 输入x -> conv1 -> relu -> 2x2窗口的最大池化

x = self.conv1(x)

x = F.relu(x)

x = F.max_pool2d(x, 2)

print(x.size())

# 输入x -> conv2 -> relu -> 2x2窗口的最大池化

x = self.conv2(x)

x = F.relu(x)

x = F.max_pool2d(x, 2)

print(x.size())

# view函数将张量x变形成一维向量形式，总特征数不变，为全连接层做准备

x = x.view(x.size()[0], -1)

print(x.size())

x = F.relu(self.fc1(x))

print(x.size())

x = F.relu(self.fc2(x))

x = self.fc3(x)

return x

if __name__ == "__main__":

cnnmy = myCNN()

input = torch.randn((1,1,32, 32))

out = cnnmy.forward(input)

总结：

特别注意--#Pytorch处理图片(二维卷积)的输入维度应为四维【batch，channel，height，width】；向量(一维卷积)要求是【batch，channel，时序长度】！！！

(二)BatchNorm1d、BatchNorm2d

点滴分享，福泽你我！Add oil！

转载本文请联系原作者获取授权，同时请注明本文来自张伟科学网博客。

链接地址：http://blog.sciencenet.cn/blog-3428464-1255308.html

上一篇：轻松理解局部连接和权值共享

下一篇：Matlab中计算函数运行时间的三种方法及判断新建文件夹