【Python深度学习】深度学习框架搭建模版

深度学习框架搭建模版

文章目录

一、框架搭建四部曲

1.导入包

首先是导入包因为使用的是

pytorch框架

所以倒入

torch

相关包，

summary

是可以获得自己搭建模型的参数、各层特征图大小、以及各层的参数所占内存的包作用效果如

p2

；

安装方法：

pip install torchsummary

'''
导入包
'''import torch
import torch.nn as nn
import torch.nn.functional as F
from torchsummary import summary

2.定义类和函数

定义类

Class

以及

def super

，这些是类的继承最基础的知识啦如果不懂原理就按模版记下即可；接着开始搭建层，这里采用

nn.Sequential

，相当于一个

大容器

可以放入任意量的

网络层

在

p1

中放入一个卷积层；接着进入

线性层

依然使用

nn.Sequential

;

classNet(nn.Module):def__init__(self, num_classes=10):super(Net, self).__init__()
        self.fetures = nn.Sequential(nn.Conv2d(in_channels=3, out_channels=64,
                                                kernel_size=3, stride=1, padding=1))
        self.classify = nn.Sequential(nn.Linear(32*32*64,20),
                                      nn.Linear(20, num_classes))

3.定义网络层

定义好网络层

就可以定义层之间的计算过程啦首先进入卷积层接着需要将卷积层的形状从四维变成二维，在这里使用了

view函数

，接着传入线性层得到

return

defforward(self, x):
        x = self.fetures(x)
        x = x.view(x.size(0),-1)
        x = self.classify(x)return x

4.实例化网络

实例化网络

；假设输入大小为

(10, 3, 32，32)

，将输入传入网络就得到输出结果的尺寸啦！其中10代表每一次输入的图像张数；3是通道数

3, 32, 32

为输入图片的宽高。调用

summary

检查网络结构，此时只需输入

(3, 32, 32)

即可因为

summary

中只需输入通道数以及宽高即可。

Modle = Net()input= torch.ones([10,3,32,32])
result = Modle(input)print(result.shape)
summary(Modle.to("cuda"),(3,32,32))

二、完整代码

完整代码如下，如果运行后出现错误可以在评论区里写下你的看法和建议：

'''
Aouther:LiuZhenming
Time:2022-09-25
'''# 导入包import torch
import torch.nn as nn
import torch.nn.functional as F
from torchsummary import summary

# 定义类和函数classNet(nn.Module):def__init__(self, num_classes=10):super(Net, self).__init__()
        self.fetures = nn.Sequential(nn.Conv2d(in_channels=3, out_channels=64,
                                                kernel_size=3, stride=1, padding=1))
        self.classify = nn.Sequential(nn.Linear(32*32*64,20),
                                      nn.Linear(20, num_classes))# 定义网络层defforward(self, x):
        x = self.fetures(x)
        x = x.view(x.size(0),-1)
        x = self.classify(x)return x
# 实例化网络
Modle = Net()input= torch.ones([10,3,32,32])
result = Modle(input)print(result.shape)
summary(Modle.to("cuda"),(3,32,32))

三、运行结果

如果运行后出现错误可以在评论区留下你的看法和建议哦~

torch .Size([10,10]）

–––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
Layer (type) Output Shape Param #

==============================================================
Conv2d-1 [-1,64,32,32] 1,792
Linear-3 [-1,10] 210

==============================================================
Total params: 1, 312, 742
Trainable params: 1, 312, 742
Non-trainable params: 0

–––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
Input size (MB) : 0.01
Forward/ backward pass size (MB) : 0.50

THE END

这篇深度学习框架搭建模版到这里就结束了，大家如果喜欢就给个三连呗！