Pytorch——cnn的基本结构答案

【问题标题】：Pytorch - basic structure of cnnPytorch——cnn的基本结构
【发布时间】：2018-12-20 18:45:04
【问题描述】：

我今天刚开始使用 pytorch，目前正在阅读这篇文章。 https://pytorch.org/tutorials/beginner/blitz/neural_networks_tutorial.html。文档有这个代码，也有这个插图。这些是否以某种方式相关？比如，这是给定代码的网络结构还是架构？

import torch
import torch.nn as nn
import torch.nn.functional as F


class Net(nn.Module):

    def __init__(self):
        super(Net, self).__init__()
        # 1 input image channel, 6 output channels, 5x5 square convolution
        # kernel
        self.conv1 = nn.Conv2d(1, 6, 5)
        self.conv2 = nn.Conv2d(6, 16, 5)
        # an affine operation: y = Wx + b
        self.fc1 = nn.Linear(16 * 5 * 5, 120)
        self.fc2 = nn.Linear(120, 84)
        self.fc3 = nn.Linear(84, 10)

    def forward(self, x):
        # Max pooling over a (2, 2) window
        x = F.max_pool2d(F.relu(self.conv1(x)), (2, 2))
        # If the size is a square you can only specify a single number
        x = F.max_pool2d(F.relu(self.conv2(x)), 2)
        x = x.view(-1, self.num_flat_features(x))
        x = F.relu(self.fc1(x))
        x = F.relu(self.fc2(x))
        x = self.fc3(x)
        return x

    def num_flat_features(self, x):
        size = x.size()[1:]  # all dimensions except the batch dimension
        num_features = 1
        for s in size:
            num_features *= s
        return num_features


net = Net()
print(net)

CNN 架构链接：https://imgur.com/83UmBGc

Link of the image here

【问题讨论】：

欢迎来到 StackOverflow。请按照您创建此帐户时的建议阅读并遵循帮助文档中的发布指南。 On topic、how to ask 和 ... the perfect question 在此处申请。 StackOverflow 不是设计、编码、研究或教程资源。
一般问题请查看"Which site?"。

标签： python neural-network conv-neural-network pytorch

【解决方案1】：

是的，图中的网络是用代码表示的。这里，C1, C3, ... 表示卷积层和 S2, S4, ... 最大池层。显示的尺寸是通过这些层中的每一层后的图像尺寸。您可以使用以下过程进行检查：

图片的输入维度是(1, 32, 32) 对应(channels, height, width)。通过C1后：Conv2d(1, 6, 5)的尺寸为（6,28,28），可以通过公式：output dim = (input_dim - filter_size + 2*padding)/stride + 1求得。然后，通过 S2：max_pool2d，空间大小将减少一半，即维度将是 (6, 14, 14)。同样的方法，你可以检查更多的尺寸，并自己证明图像与代码对应。

您可以查看CS231n reference 以计算图像尺寸。

【讨论】：