欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

人工智能學(xué)習(xí)pyTorch的ResNet殘差模塊示例詳解

 更新時(shí)間:2021年11月11日 14:46:47   作者:Swayzzu  
這篇文章主要為大家介紹了人工智能學(xué)習(xí)pyTorch的ResNet殘差模塊示例詳解,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步

1.定義ResNet殘差模塊

一個(gè)block中,有兩個(gè)卷積層,之后的輸出還要和輸入進(jìn)行相加。因此一個(gè)block的前向流程如下:

輸入x→卷積層→數(shù)據(jù)標(biāo)準(zhǔn)化→ReLU→卷積層→數(shù)據(jù)標(biāo)準(zhǔn)化→數(shù)據(jù)和x相加→ReLU→輸出out

中間加上了數(shù)據(jù)的標(biāo)準(zhǔn)化(通過nn.BatchNorm2d實(shí)現(xiàn)),可以使得效果更好一些。

①各層的定義

②前向傳播

在前向傳播中輸入x,過程中根據(jù)前向流程,調(diào)用上面定義的層即可。

如此,便定義好了一個(gè)殘差的模塊。

2.ResNet18的實(shí)現(xiàn)

此處的ResNet18并沒有涉及到太多細(xì)節(jié),只是一個(gè)大致的內(nèi)容。

在初始化的時(shí)候,定義好所需要使用的模塊,根據(jù)上面定義好的殘差模塊,調(diào)用即可。在這里使用了4次殘差模塊,將通道數(shù)從輸入的3(也就是RGB),變成了512通道。也就是最終提取的高級(jí)特征。提取完特征,直接輸入給Linear方法,得到圖片在10種圖片類型上的結(jié)果,用于預(yù)測(cè)以及損失值的求解。

①各層的定義

②前向傳播

同樣的,調(diào)用上面定義好的層,根據(jù)流程傳播即可。

3.測(cè)試ResNet18

如下圖,輸入的是2張圖,RGB,長寬均是32的數(shù)據(jù)。

通過ResNet18之后,輸出的是2張圖,每張圖對(duì)應(yīng)10種類型的不同取值logits。

過程中的通道數(shù)目的轉(zhuǎn)換如下面的結(jié)果所示:3→64→128→256→512→512

過程中的尺寸轉(zhuǎn)換,根據(jù)設(shè)置的卷積核,以及步長,會(huì)有不同的結(jié)果。但總體都是為了得到更高級(jí)的特征,最終輸入全連層,得到Logits。

以上就是人工智能學(xué)習(xí)pyTorch的ResNet殘差模塊示例詳解的詳細(xì)內(nèi)容,更多關(guān)于PyTorch人工智能學(xué)習(xí)ResNet殘差模塊的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章!

相關(guān)文章

最新評(píng)論