您好,登錄后才能下訂單哦!
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著pytorch官網的公式推,但是總是算錯。
后來發現,寫完卷積層后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本人就不再啰嗦了,現在看nn.Linear(???, 4096)這個全連接層的第一個參數該為多少呢?
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()
就寫到這里就可以了。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])) # 這里假設輸入圖片是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為256。
以上這篇pytorch神經網絡之卷積層與全連接層參數的設置方法就是小編分享給大家的全部內容了,希望能給大家一個參考,也希望大家多多支持億速云。
免責聲明:本站發布的內容(圖片、視頻和文字)以原創、轉載和分享為主,文章觀點不代表本網站立場,如果涉及侵權請聯系站長郵箱:is@yisu.com進行舉報,并提供相關證據,一經查實,將立刻刪除涉嫌侵權內容。