卷积神经网络常用函数
时间: 2023-11-12 12:08:16 浏览: 41
卷积神经网络常用函数包括以下几个:
1. torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True):二维卷积函数,其中in_channels表示输入通道数,out_channels表示输出通道数,kernel_size表示卷积核大小,stride表示步长,padding表示填充大小,dilation表示膨胀系数,groups表示分组卷积数,bias表示是否使用偏置。
2. torch.nn.MaxPool2d(kernel_size, stride=None, padding=0, dilation=1, return_indices=False, ceil_mode=False):二维最大池化函数,其中kernel_size表示池化核大小,stride表示步长,padding表示填充大小,dilation表示膨胀系数,return_indices表示是否返回最大值的索引,ceil_mode表示是否向上取整。
3. torch.nn.ReLU(inplace=False):ReLU激活函数,其中inplace表示是否进行原地操作。
4. torch.nn.BatchNorm2d(num_features, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True):二维批归一化函数,其中num_features表示输入通道数,eps表示数值稳定性,momentum表示动量,affine表示是否使用仿射变换,track_running_stats表示是否跟踪统计信息。
5. torch.nn.Dropout(p=0.5, inplace=False):随机失活函数,其中p表示失活概率,inplace表示是否进行原地操作。
6. torch.nn.Linear(in_features, out_features, bias=True):全连接层函数,其中in_features表示输入特征数,out_features表示输出特征数,bias表示是否使用偏置。
7. torch.nn.functional.softmax(input, dim=None):softmax函数,其中input表示输入张量,dim表示计算维度。
8. torchvision.transforms.Normalize(mean, std, inplace=False):归一化函数,其中mean表示均值,std表示标准差,inplace表示是否进行原地操作。
9. torch.nn.functional.interpolate(input, size=None, scale_factor=None, mode='nearest', align_corners=None):插值函数,其中input表示输入张量,size表示输出大小,scale_factor表示缩放因子,mode表示插值模式,align_corners表示是否对齐角点。
相关推荐
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pptx](https://img-home.csdnimg.cn/images/20210720083543.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)