基于pytorch的CNN代码
时间: 2023-09-17 12:09:08 浏览: 21
以下是一个基于PyTorch的简单CNN网络代码示例:
```python
import torch
import torch.nn as nn
class CNN(nn.Module):
def __init__(self):
super(CNN, self).__init__()
self.conv1 = nn.Conv2d(3, 16, kernel_size=3, stride=1, padding=1)
self.relu = nn.ReLU(inplace=True)
self.pool = nn.MaxPool2d(kernel_size=2, stride=2)
self.conv2 = nn.Conv2d(16, 32, kernel_size=3, stride=1, padding=1)
self.fc1 = nn.Linear(32 * 8 * 8, 128)
self.fc2 = nn.Linear(128, 10)
def forward(self, x):
x = self.conv1(x)
x = self.relu(x)
x = self.pool(x)
x = self.conv2(x)
x = self.relu(x)
x = self.pool(x)
x = x.view(-1, 32 * 8 * 8)
x = self.fc1(x)
x = self.relu(x)
x = self.fc2(x)
return x
```
在这个示例中,我们定义了一个名为CNN的类,它继承自nn.Module。该网络由两个卷积层和两个全连接层组成。在构造函数中,我们定义了两个卷积层(每个卷积层具有一些卷积核)和两个全连接层。在前向传递函数中,我们首先将输入x传递给第一个卷积层,然后使用ReLU激活函数进行激活,然后使用最大池化操作。接下来,我们将输出传递给第二个卷积层,再次使用ReLU激活函数和最大池化操作。最后,我们将输出展平并传递给全连接层。在最后一个全连接层中,我们将输出映射到类别数(在这个示例中是10)。