Pytorch深度学习神经网络（对CIFAR-10 dataset分类）

一、PyCharm下新建python文件

二、对CIFAR-10 dataset分类的神经网络代码

1.依据网络图及计算公式

2.具体代码详情

注意代码中的大小写，其中 Nj/n j处是自行取的

import torch
from torch import nn
from torch.nn import Conv2d, MaxPool2d, Flatten, Linear, Sequential
from torch.utils.tensorboard import SummaryWriter

//# 写神经网络 用的是cifar10 model
class Nj(nn.Module):
    def __init__(self):
        super(Nj, self).__init__()
        self.model1 = Sequential(
            Conv2d(3, 32, 5, padding=2),
            MaxPool2d(2),
            Conv2d(32, 32, 5, padding=2),
            MaxPool2d(2),
            Conv2d(32, 64, 5, padding=2),
            MaxPool2d(2),
            Flatten(),
            Linear(1024, 64),
            Linear(64, 10)
        )

    def forward(self, x):
        x = self.model1(x)
        return x

//# 输出及判断图片尺寸等
nj = Nj()
print(nj)
input = torch.ones((64, 3, 32, 32))
output = nj(input)
print(output.shape)

//# 使用tensorboard进行可视化
writer = SummaryWriter("../logs_seq")
writer.add_graph(nj, input)
writer.close()

右击运行后输出结果

三、终端输入命令打开tensorboard可视化

1.tensorboard命令

tensorboard --logdir=logs_seq   //此处的 logs_seq 也是自己取名，同代码中保持一致即可

2.点击链接后自行弹出网页就可以看到神经网络图了

3.每个都双击就会看到内部关联

看到这个图，我感觉学习都变香了~这神经网络可真是形象了
放几张细节图呐


卷积的具体情况：

池化：
线性、铺开等等：

整体框架：

Over！