文章目录

• 1 Keras模型
• • 1.1 序贯模型
  • 1.2 函数式模型
• 2 在pytorch中Sequential()的使用
• • 2.1 按照常规方法来构建网络
  • 2.2 使用Sequential()构建网络

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)