人工智能学习PyTorch实现CNN卷积层及nn.Module类示例分析
更新时间：2021年11月11日 15:16:09 作者：Swayzzu
这篇文章主要为大家介绍了人工智能学习PyTorch实现CNN卷积层及nn.Module类示例分析，有需要的朋友可以借鉴参考下，希望能够有所帮助
1.CNN卷积层
通过nn.Conv2d可以设置卷积层，当然也有1d和3d。
卷积层设置完毕，将设置好的输入数据，传给layer()，即可完成一次前向运算。也可以传给layer.forward，但不推荐。
2. 池化层
池化层的核大小一般是2*2，有2种方式：
maxpooling：选择数据中最大值输出
avgpooling：计算数据的均值并输出
通过这一层可以实现降采样。
3.数据批量标准化
Batch Normalize，在计算过程中，通常输入的数据都是0-255的像素数据，不方便计算，因此可以通过nn.BatchNorm1d方法进行标准化。
标准化后，可以通过running_mean, running_var获取全局的均值和方差。
4.nn.Module类
①各类函数
Linear, ReLU, Sigmoid, Conv2d, Dropout等等
②容器功能
我们可以直接在定义自己的层的时候，把所有我们需要用到的层及相关函数放进去。使用的时候直接调用即可。
③参数管理
在这个类中可以直接生成我们需要的参数，并且自动带上梯度的需求。
④调用GPU
⑤存储和加载
训练过程中可以根据需求，比如训练到某一个点的时候达到了最优，可以将其存储。
⑥训练、测试状态切换
直接调用根节点的train, eval就可以切换。
⑦ 创建自己的层
还有其他功能，但现在还不理解，因此先不往上写了。
5.数据增强
数据增强主要用在我们数据不够用的时候，对原来的数据进行调整，从而生成新的数据。比如一张图片，我们可以对其进行翻转、旋转、大小调整、切割等操作 。导入数据的时候即可进行，具体实现方式如下。
以上就是人工智能学习PyTorch实现CNN卷积层及nn.Module类示例分析的详细内容，更多关于PyTorch中CNN及nn.Module的资料请关注脚本之家其它相关文章！
相关文章
哪一门编程语言适合人工智能？这篇文章主要为大家详细介绍了python编程语言适合人工智能的原因、优点，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2017-11-11
这篇文章主要为大家详细介绍了利用Python为iOS10生成图标和截屏的相关资料,具有一定的参考价值，感兴趣的小伙伴们可以参考一下2016-09-09
今天小编就为大家分享一篇浅谈Python 列表字典赋值的陷阱，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2019-01-01
现在短视频可谓是一骑绝尘,吃饭的时候、休息的时候、躺在床上都在刷短视频,今天给大家带来python爬虫进阶 ：美拍视频地址加密解析,需要的朋友可以参考下2021-06-06
这篇文章主要介绍了Python中py文件转换成exe可执行文件的方法,需要的朋友可以参考下2019-06-06
这篇文章主要为大家详细介绍了机器学习python实战之决策树的相关资料 ，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2017-11-11
这篇文章主要介绍了编写Python CGI脚本的教程,CGI是Python和服务器软件连接的接口,需要的朋友可以参考下2015-06-06
GUI图形用户界面编程,我们可以通过python提供的丰富的组件,快速的实现使用图形的界面和用户交互, GUI编程类似于“搭积⽊”,将⼀个个组件(Widget)放到窗⼝中,这篇文章主要给大家介绍了基于Python的GUI图形用户界面编程的相关资料,需要的朋友可以参考下2023-05-05
这篇文章主要介绍了Python如何使用matplotlib绘制柱状图问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教2024-02-02
python argparse传入布尔参数false不生效的解决
这篇文章主要介绍了python argparse传入布尔参数false不生效的解决，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2020-04-04
最新评论