python二维CNN
时间: 2023-10-31 22:07:31 浏览: 54
二维卷积神经网络(2D CNN)是一种常用的深度学习模型,可以用于图像分类、目标检测等任务。在 Python 中,可以使用 TensorFlow 或 PyTorch 等深度学习框架来实现二维 CNN。
下面是一个使用 PyTorch 实现的简单的二维 CNN 的示例代码:
```python
import torch
import torch.nn as nn
class Net(nn.Module):
def __init__(self):
super(Net, self).__init__()
self.conv1 = nn.Conv2d(3, 6, 5) # 输入通道数为 3,输出通道数为 6,卷积核大小为 5x5
self.pool = nn.MaxPool2d(2, 2) # 池化层,池化窗口大小为 2x2
self.conv2 = nn.Conv2d(6, 16, 5) # 输入通道数为 6,输出通道数为 16,卷积核大小为 5x5
self.fc1 = nn.Linear(16 * 5 * 5, 120) # 全连接层,输入大小为 16x5x5,输出大小为 120
self.fc2 = nn.Linear(120, 84) # 全连接层,输入大小为 120,输出大小为 84
self.fc3 = nn.Linear(84, 10) # 全连接层,输入大小为 84,输出大小为 10
def forward(self, x):
x = self.pool(torch.relu(self.conv1(x)))
x = self.pool(torch.relu(self.conv2(x)))
x = x.view(-1, 16 * 5 * 5)
x = torch.relu(self.fc1(x))
x = torch.relu(self.fc2(x))
x = self.fc3(x)
return x
net = Net()
```
这个模型包含两个卷积层、两个池化层和三个全连接层。在训练过程中,可以使用交叉熵损失函数和随机梯度下降(SGD)优化器来训练模型。