在Pythorch网站上,他们的教程中有以下模型
class BasicCNN(nn.Module):
def __init__(self):
super(BasicCNN, self).__init__()
self.conv1 = nn.Conv2d(3, 6, 5)
self.pool = nn.MaxPool2d(2, 2)
self.conv2 = nn.Conv2d(6, 16, 5)
self.fc1 = nn.Linear(16 * 5 * 5, 120)
self.fc2 = nn.Linear(120, 84)
self.fc3 = nn.Linear(84, 10)
def forward(self, x):
x = x.permute(0, 3, 1, 2)
x = self.pool(F.relu(self.conv1(x)))
x = self.pool(F.relu(self.conv2(x)))
x = x.view(-1, 16 * 5 * 5)
x = F.relu(self.fc1(x))
x = F.relu(self.fc2(x))
x = self.fc3(x)
return x
这个模型有多少内核/过滤器?是两个吗?例如conv1和conv2。如何通过指定过滤器的数量轻松创建多个过滤器?例如100个过滤器。在
谢谢!在
你的问题有点模棱两可,但让我试着回答。在
通常,在卷积层中,我们将滤波器的数目设为
out_channels
的数目。但这不是直截了当的。让我们根据您提供的示例进行讨论。在输出:
^{pr2}$让我们考虑上述模型中的
conv1
层。我们可以说,有6个形状为5 x 5
的滤波器,因为我们选择了2d卷积。因为输入通道的数目是3,所以总共有6 x 3 = 18
个内核。在在这里,这个模型的输入是三维图像。{我们可以考虑图像的形状。因此,我们可以将代表图像的3d张量输入到这个模型中。在
我现在可以很容易地确定你的过滤器的数量?例如100个过滤器。如果您只想为每个输入通道使用100个过滤器,那么只需在
conv1
中设置100而不是6
。这是人们在计算机视觉领域的典型做法!在但您可以根据需要修改架构,并确定最佳设置。在
相关问题 更多 >
编程相关推荐