pytorch卷積核大小的設置對全連接神經元有什么影響

這篇文章主要為大家展示了“pytorch卷積核大小的設置對全連接神經元有什么影響”，內容簡而易懂，條理清晰，希望能夠幫助大家解決疑惑，下面讓小編帶領大家一起研究并學習一下“pytorch卷積核大小的設置對全連接神經元有什么影響”這篇文章吧。

3*3卷積核與2*5卷積核對神經元大小的設置

#這里kerner_size = 2*5
class CONV_NET(torch.nn.Module): #CONV_NET類繼承nn.Module類
 def __init__(self):
  super(CONV_NET, self).__init__() #使CONV_NET類包含父類nn.Module的所有屬性
  # super()需要兩個實參，子類名和對象self
  self.conv1 = nn.Conv2d(1, 32, (2, 5), 1, padding=0)
  self.conv2 = nn.Conv2d(32, 128, 1, 1, padding=0)
  self.fc1 = nn.Linear(512, 128)
  self.relu1 = nn.ReLU(inplace=True)
  self.drop1 = nn.Dropout(0.5)
  self.fc2 = nn.Linear(128, 32)
  self.relu2 = nn.ReLU(inplace=True)
  self.fc3 = nn.Linear(32, 3)
  self.softmax = nn.Softmax(dim=1)

 def forward(self, x):
  x = self.conv1(x)
  x = self.conv2(x)
  x = x.view(x.size(0), -1)
  x = self.fc1(x)
  x = self.relu1(x)
  x = self.drop1(x)
  x = self.fc2(x)
  x = self.relu2(x)
  x = self.fc3(x)
  x = self.softmax(x)
  return x

主要看對稱卷積核以及非對稱卷積核之間的計算方式

#這里kerner_size = 3*3
class CONV_NET(torch.nn.Module): #CONV_NET類繼承nn.Module類
 def __init__(self):
  super(CONV_NET, self).__init__() #使CONV_NET類包含父類nn.Module的所有屬性
  # super()需要兩個實參，子類名和對象self
  self.conv1 = nn.Conv2d(1, 32, 3, 1, padding=1)
  self.conv2 = nn.Conv2d(32, 128, 1, 1, padding=0)
  self.fc1 = nn.Linear(3200, 128)
  self.relu1 = nn.ReLU(inplace=True)
  self.drop1 = nn.Dropout(0.5)
  self.fc2 = nn.Linear(128, 32)
  self.relu2 = nn.ReLU(inplace=True)
  self.fc3 = nn.Linear(32, 3)
  self.softmax = nn.Softmax(dim=1)

 def forward(self, x):
  x = self.conv1(x)
  x = self.conv2(x)
  x = x.view(x.size(0), -1)
  x = self.fc1(x)
  x = self.relu1(x)
  x = self.drop1(x)
  x = self.fc2(x)
  x = self.relu2(x)
  x = self.fc3(x)
  x = self.softmax(x)
  return x

針對kerner_size=2*5,padding=0，stride=1以及kerner_size=3*3,padding=1,stride=1二者計算方式的比較如圖所示

以上是“pytorch卷積核大小的設置對全連接神經元有什么影響”這篇文章的所有內容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內容對大家有所幫助，如果還想學習更多知識，歡迎關注億速云行業資訊頻道！