欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

Pytorch實現(xiàn)GoogLeNet的方法

 更新時間:2019年08月18日 15:23:46   作者:winycg  
今天小編就為大家分享一篇Pytorch實現(xiàn)GoogLeNet的方法,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧

GoogLeNet也叫InceptionNet,在2014年被提出,如今已到V4版本。GoogleNet比VGGNet具有更深的網(wǎng)絡(luò)結(jié)構(gòu),一共有22層,但是參數(shù)比AlexNet要少12倍,但是計算量是AlexNet的4倍,原因就是它采用很有效的Inception模塊,并且沒有全連接層。

最重要的創(chuàng)新點就在于使用inception模塊,通過使用不同維度的卷積提取不同尺度的特征圖。左圖是最初的Inception模塊,右圖是使用的1×1得卷積對左圖的改進(jìn),降低了輸入的特征圖維度,同時降低了網(wǎng)絡(luò)的參數(shù)量和計算復(fù)雜度,稱為inception V1。

GoogleNet在架構(gòu)設(shè)計上為保持低層為傳統(tǒng)卷積方式不變,只在較高的層開始用Inception模塊。

inception V2中將5x5的卷積改為2個3x3的卷積,擴(kuò)大了感受野,原來是5x5,現(xiàn)在是6x6。Pytorch實現(xiàn)GoogLeNet(inception V2):

'''GoogLeNet with PyTorch.'''
import torch
import torch.nn as nn
import torch.nn.functional as F

# 編寫卷積+bn+relu模塊
class BasicConv2d(nn.Module):
  def __init__(self, in_channels, out_channals, **kwargs):
    super(BasicConv2d, self).__init__()
    self.conv = nn.Conv2d(in_channels, out_channals, **kwargs)
    self.bn = nn.BatchNorm2d(out_channals)

  def forward(self, x):
    x = self.conv(x)
    x = self.bn(x)
    return F.relu(x)

# 編寫Inception模塊
class Inception(nn.Module):
  def __init__(self, in_planes,
         n1x1, n3x3red, n3x3, n5x5red, n5x5, pool_planes):
    super(Inception, self).__init__()
    # 1x1 conv branch
    self.b1 = BasicConv2d(in_planes, n1x1, kernel_size=1)

    # 1x1 conv -> 3x3 conv branch
    self.b2_1x1_a = BasicConv2d(in_planes, n3x3red, 
                  kernel_size=1)
    self.b2_3x3_b = BasicConv2d(n3x3red, n3x3, 
                  kernel_size=3, padding=1)

    # 1x1 conv -> 3x3 conv -> 3x3 conv branch
    self.b3_1x1_a = BasicConv2d(in_planes, n5x5red, 
                  kernel_size=1)
    self.b3_3x3_b = BasicConv2d(n5x5red, n5x5, 
                  kernel_size=3, padding=1)
    self.b3_3x3_c = BasicConv2d(n5x5, n5x5, 
                  kernel_size=3, padding=1)

    # 3x3 pool -> 1x1 conv branch
    self.b4_pool = nn.MaxPool2d(3, stride=1, padding=1)
    self.b4_1x1 = BasicConv2d(in_planes, pool_planes, 
                 kernel_size=1)

  def forward(self, x):
    y1 = self.b1(x)
    y2 = self.b2_3x3_b(self.b2_1x1_a(x))
    y3 = self.b3_3x3_c(self.b3_3x3_b(self.b3_1x1_a(x)))
    y4 = self.b4_1x1(self.b4_pool(x))
    # y的維度為[batch_size, out_channels, C_out,L_out]
    # 合并不同卷積下的特征圖
    return torch.cat([y1, y2, y3, y4], 1)


class GoogLeNet(nn.Module):
  def __init__(self):
    super(GoogLeNet, self).__init__()
    self.pre_layers = BasicConv2d(3, 192, 
                   kernel_size=3, padding=1)

    self.a3 = Inception(192, 64, 96, 128, 16, 32, 32)
    self.b3 = Inception(256, 128, 128, 192, 32, 96, 64)

    self.maxpool = nn.MaxPool2d(3, stride=2, padding=1)

    self.a4 = Inception(480, 192, 96, 208, 16, 48, 64)
    self.b4 = Inception(512, 160, 112, 224, 24, 64, 64)
    self.c4 = Inception(512, 128, 128, 256, 24, 64, 64)
    self.d4 = Inception(512, 112, 144, 288, 32, 64, 64)
    self.e4 = Inception(528, 256, 160, 320, 32, 128, 128)

    self.a5 = Inception(832, 256, 160, 320, 32, 128, 128)
    self.b5 = Inception(832, 384, 192, 384, 48, 128, 128)

    self.avgpool = nn.AvgPool2d(8, stride=1)
    self.linear = nn.Linear(1024, 10)

  def forward(self, x):
    out = self.pre_layers(x)
    out = self.a3(out)
    out = self.b3(out)
    out = self.maxpool(out)
    out = self.a4(out)
    out = self.b4(out)
    out = self.c4(out)
    out = self.d4(out)
    out = self.e4(out)
    out = self.maxpool(out)
    out = self.a5(out)
    out = self.b5(out)
    out = self.avgpool(out)
    out = out.view(out.size(0), -1)
    out = self.linear(out)
    return out


def test():
  net = GoogLeNet()
  x = torch.randn(1,3,32,32)
  y = net(x)
  print(y.size())

test()

以上這篇Pytorch實現(xiàn)GoogLeNet的方法就是小編分享給大家的全部內(nèi)容了,希望能給大家一個參考,也希望大家多多支持腳本之家。

相關(guān)文章

  • python中的hashlib和base64加密模塊使用實例

    python中的hashlib和base64加密模塊使用實例

    這篇文章主要介紹了python中的hashlib和base64加密模塊使用實例,hashlib模塊支持的加密算法有md5 sha1 sha224 sha256 sha384 sha512,需要的朋友可以參考下
    2014-09-09
  • python判斷列表為空的三種方法總結(jié)

    python判斷列表為空的三種方法總結(jié)

    這篇文章主要介紹了python判斷列表為空的三種方法總結(jié),具有很好的參考價值,希望對大家有所幫助。如有錯誤或未考慮完全的地方,望不吝賜教
    2023-02-02
  • 關(guān)于python selenium 運行時彈出窗口問題

    關(guān)于python selenium 運行時彈出窗口問題

    最近在做一個網(wǎng)頁代填項目,用到了python的selenium知識,經(jīng)過了各種嘗試與搜索最后終算是較完美的解決了,下面小編給大家?guī)砹藀ython selenium 運行時彈出窗口問題,感興趣的朋友一起看看吧
    2021-11-11
  • Python使用?TCP協(xié)議實現(xiàn)智能聊天機(jī)器人功能

    Python使用?TCP協(xié)議實現(xiàn)智能聊天機(jī)器人功能

    TCP協(xié)議適用于對效率要求相對較低而準(zhǔn)確性要求很高的場合,下面通過本文給大家介紹基于Python?使用?TCP?實現(xiàn)智能聊天機(jī)器人,需要的朋友可以參考下
    2022-05-05
  • Django 權(quán)限管理(permissions)與用戶組(group)詳解

    Django 權(quán)限管理(permissions)與用戶組(group)詳解

    這篇文章主要介紹了Django 權(quán)限管理(permissions)與用戶組(group)詳解,文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
    2020-11-11
  • Python使用BeautifulSoup爬取網(wǎng)頁數(shù)據(jù)的操作步驟

    Python使用BeautifulSoup爬取網(wǎng)頁數(shù)據(jù)的操作步驟

    在網(wǎng)絡(luò)時代,數(shù)據(jù)是最寶貴的資源之一,而爬蟲技術(shù)就是一種獲取數(shù)據(jù)的重要手段,Python 作為一門高效、易學(xué)、易用的編程語言,自然成為了爬蟲技術(shù)的首選語言之一,本文將介紹如何使用 BeautifulSoup 爬取網(wǎng)頁數(shù)據(jù),并提供詳細(xì)的代碼和注釋,幫助讀者快速上手
    2023-11-11
  • 對Pandas MultiIndex(多重索引)詳解

    對Pandas MultiIndex(多重索引)詳解

    今天小編就為大家分享一篇對Pandas MultiIndex(多重索引)詳解,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2018-11-11
  • Python時間戳使用和相互轉(zhuǎn)換詳解

    Python時間戳使用和相互轉(zhuǎn)換詳解

    這篇文章主要為大家詳細(xì)介紹了Python時間戳使用和相互轉(zhuǎn)換的相關(guān)資料,具有一定的參考價值,感興趣的小伙伴們可以參考一下
    2017-12-12
  • Python實現(xiàn)自動簽到腳本功能

    Python實現(xiàn)自動簽到腳本功能

    這篇文章主要介紹了Python實現(xiàn)自動簽到腳本,本文給大家介紹的非常詳細(xì),對大家的學(xué)習(xí)或工作具有一定的參考借鑒價值,需要的朋友可以參考下
    2020-08-08
  • 用Python逐行分析文件方法

    用Python逐行分析文件方法

    在本篇文章里我們給大家分享了關(guān)于用Python逐行分析文件方法知識點,有需要的朋友們跟著學(xué)習(xí)下。
    2019-01-01

最新評論