class LeNet(nn.Module):
时间: 2023-06-28 09:08:46 浏览: 44
LeNet 是一个经典的卷积神经网络模型,由 Yann LeCun 等人于 1998 年提出,主要用于手写数字识别任务。它包含了两个卷积层和三个全连接层。
下面是一个简单的 LeNet 的实现代码:
```python
import torch.nn as nn
class LeNet(nn.Module):
def __init__(self):
super(LeNet, self).__init__()
self.conv1 = nn.Conv2d(1, 6, 5)
self.pool1 = nn.MaxPool2d(2, 2)
self.conv2 = nn.Conv2d(6, 16, 5)
self.pool2 = nn.MaxPool2d(2, 2)
self.fc1 = nn.Linear(16 * 5 * 5, 120)
self.fc2 = nn.Linear(120, 84)
self.fc3 = nn.Linear(84, 10)
def forward(self, x):
x = self.pool1(F.relu(self.conv1(x)))
x = self.pool2(F.relu(self.conv2(x)))
x = x.view(-1, 16 * 5 * 5)
x = F.relu(self.fc1(x))
x = F.relu(self.fc2(x))
x = self.fc3(x)
return x
```
LeNet 的输入是一个 28x28 的灰度图像,输出是一个 10 维的向量,表示每个数字的概率。其中,`conv1` 和 `conv2` 分别是两个卷积层,`pool1` 和 `pool2` 分别是两个最大池化层,`fc1`、`fc2` 和 `fc3` 分别是三个全连接层。在前向传播中,输入先经过卷积和池化操作,然后被展开成一维向量,最后经过三个全连接层得到输出。