pytorch构建网络模型的4种方法
发布时间：2020-12-16 20:56:39 所属栏目：Python 来源：网络整理
导读：利用pytorch来构建网络模型有很多种方法，以下简单列出其中的四种。 假设构建一个网络模型如下： 卷积层--》Relu层--》池化层--》全连接层--》Relu层--》全连接层 首先导入几种方法用到的包： import torchimport torch.nn.functional as Ffrom collections
|
利用pytorch来构建网络模型有很多种方法，以下简单列出其中的四种。 假设构建一个网络模型如下： 卷积层--》Relu层--》池化层--》全连接层--》Relu层--》全连接层 首先导入几种方法用到的包： import torch import torch.nn.functional as F from collections import OrderedDict 第一种方法
# Method 1 -----------------------------------------
class Net1(torch.nn.Module):
def __init__(self):
super(Net1,self).__init__()
self.conv1 = torch.nn.Conv2d(3,32,3,1,1)
self.dense1 = torch.nn.Linear(32 * 3 * 3,128)
self.dense2 = torch.nn.Linear(128,10)
def forward(self,x):
x = F.max_pool2d(F.relu(self.conv(x)),2)
x = x.view(x.size(0),-1)
x = F.relu(self.dense1(x))
x = self.dense2(x)
return x
print("Method 1:")
model1 = Net1()
print(model1)
这种方法比较常用，早期的教程通常就是使用这种方法。
第二种方法
# Method 2 ------------------------------------------
class Net2(torch.nn.Module):
def __init__(self):
super(Net2,self).__init__()
self.conv = torch.nn.Sequential(
torch.nn.Conv2d(3,1),torch.nn.ReLU(),torch.nn.MaxPool2d(2))
self.dense = torch.nn.Sequential(
torch.nn.Linear(32 * 3 * 3,128),torch.nn.Linear(128,10)
)
def forward(self,x):
conv_out = self.conv1(x)
res = conv_out.view(conv_out.size(0),-1)
out = self.dense(res)
return out
print("Method 2:")
model2 = Net2()
print(model2)
这种方法利用torch.nn.Sequential（）容器进行快速搭建，模型的各层被顺序添加到容器中。缺点是每层的编号是默认的阿拉伯数字，不易区分。 第三种方法：
# Method 3 -------------------------------
class Net3(torch.nn.Module):
def __init__(self):
super(Net3,self).__init__()
self.conv=torch.nn.Sequential()
self.conv.add_module("conv1",torch.nn.Conv2d(3,1))
self.conv.add_module("relu1",torch.nn.ReLU())
self.conv.add_module("pool1",torch.nn.MaxPool2d(2))
self.dense = torch.nn.Sequential()
self.dense.add_module("dense1",torch.nn.Linear(32 * 3 * 3,128))
self.dense.add_module("relu2",torch.nn.ReLU())
self.dense.add_module("dense2",10))
def forward(self,-1)
out = self.dense(res)
return out
print("Method 3:")
model3 = Net3()
print(model3)
这种方法是对第二种方法的改进：通过add_module()添加每一层，并且为每一层增加了一个单独的名字。 第四种方法：
# Method 4 ------------------------------------------
class Net4(torch.nn.Module):
def __init__(self):
super(Net4,self).__init__()
self.conv = torch.nn.Sequential(
OrderedDict(
[
("conv1",1)),("relu1",torch.nn.ReLU()),("pool",torch.nn.MaxPool2d(2))
]
))
self.dense = torch.nn.Sequential(
OrderedDict([
("dense1",128)),("relu2",("dense2",10))
])
)
def forward(self,-1)
out = self.dense(res)
return out
print("Method 4:")
model4 = Net4()
print(model4)
是第三种方法的另外一种写法，通过字典的形式添加每一层，并且设置单独的层名称。 完整代码：
import torch
import torch.nn.functional as F
from collections import OrderedDict
# Method 1 -----------------------------------------
class Net1(torch.nn.Module):
def __init__(self):
super(Net1,-1)
x = F.relu(self.dense1(x))
x = self.dense2()
return x
print("Method 1:")
model1 = Net1()
print(model1)
# Method 2 ------------------------------------------
class Net2(torch.nn.Module):
def __init__(self):
super(Net2,-1)
out = self.dense(res)
return out
print("Method 2:")
model2 = Net2()
print(model2)
# Method 3 -------------------------------
class Net3(torch.nn.Module):
def __init__(self):
super(Net3,-1)
out = self.dense(res)
return out
print("Method 3:")
model3 = Net3()
print(model3)
# Method 4 ------------------------------------------
class Net4(torch.nn.Module):
def __init__(self):
super(Net4,-1)
out = self.dense(res)
return out
print("Method 4:")
model4 = Net4()
print(model4)
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持编程小技巧。 您可能感兴趣的文章:
（编辑：李大同） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
