文章目录
1 Keras模型
- Keras有两种类型的模型,序贯模型(Sequential)和函数式模型(Model)。
- Model更广泛,Sequential是Model的一种特殊情况。
1.1 序贯模型
- 单输入输出,一条路到底。层与层之间只有香菱关系,没有跨层连接。
- 特点:编译速度快,操作简单
1.2 函数式模型
- 多输入输出,层与层之间任意连接
- 特点:编译速度慢
2 在pytorch中Sequential()的使用
2.1 按照常规方法来构建网络
- 经过我的逆推,根据全连接层linear1从1024映射到64,猜出输入图片的像素是
32×32
class Net(nn.Module):
def __init__(self):
super(Net,self).__init__()
self.conv1 = nn.Conv2d(3, 32, 5, padding=2)
self.maxpool1 = nn.MaxPool2d(2)
self.conv2 = nn.Conv2d(32, 32, 5, padding=2)
self.maxpool2 = nn.MaxPool2d(2)
self.conv3 = nn.Conv2d (32, 64, 5,padding=2)
self.maxpool3 = nn.MaxPool2d(2)
self.flatten = nn.Flatten() #展开
self.linear1 = nn.Linear(1024, 64)
self.linear2 = nn.Linear(64, 10)
def forward(self,x):
x = self.conv1(x)
x = self.maxpool1(x)
x = self.conv2(x)
x = self.maxpool2(x)
x = self.conv3(x)
x = self.maxpool3(x)
x = self.flatten(x)
x = self.linear1(x)
x = self.linear2(x)
return x
net = Net()
print(net)
2.2 使用Sequential()构建网络
- 使用Sequential()构建使更加简单,forward函数也更加简洁。
#sequential的使用
class Net(nn.Module):
def __init__(self):
super(Net,self).__init__()
self.model = nn.Sequential(
nn.Conv2d(3, 32, 5, padding=2),
nn.MaxPool2d(2),
nn.Conv2d(32, 32, 5, padding=2),
nn.MaxPool2d(2),
nn.Conv2d (32, 64, 5,padding=2),
nn.MaxPool2d(2),
nn.Flatten(),
nn.Linear(1024, 64),
nn.Linear(64, 10),
)
def forward(self,x):
x = self.model(x)
return x
net = Net()
print(net)