Pytorch学习笔记5——经典CNN

Pytorch学习笔记5

1x1 Convolution

图像通道数，也就是维度被改变

多个不同卷积核输出结果concat起来

深度残差网络ResNet

shortcut使得30层网络不会差于22层

Resnet实现：

如果后一层和前面层都可以链接，则得到DenseNet

nn.Module类

nn.Module是所有层的父类

现成的神经网络层：

nn.Sequential():容器类

net(x)
3.net.parameters



此功能使得网络内的Sequential可以加入网络

5. to(device)
device=torch.device(‘cuda’)
net=Net()
net.to(device)

6. save and load
net.load_state_dict(torch.load(‘ckpt.mdl’)

torch.save(net.state_dict(),‘ckpt.mdl’)

7.切换训练与test状态：

8.使用自己的层：

nn.Sequential（）里面只能接受一个类

nn.Parameter（）包装器，
利用self.w=nn.Parameter（）自动将其包装起来，可以直接用到optimizer里去

数据增强

1.Flipping操作


2.Rotate：

3.Scale


4. Crop Part


5.Noise