1 問(wèn)題
如何搭建VGG網(wǎng)絡(luò),實(shí)現(xiàn)Mnist數(shù)據(jù)集的圖像分類?
2 方法
步驟:
首先導(dǎo)包 VGG11由8個(gè)卷積,三個(gè)全連接組成,注意池化只改變特征圖大小,不改變通道數(shù) 給定x查看最后結(jié)果
x = torch.rand(128,3,224,224)
class MyNet(nn.Module):
Import torch |
3 結(jié)語(yǔ)
通過(guò)本周學(xué)習(xí)讓我學(xué)會(huì)了VGG11網(wǎng)絡(luò),從實(shí)驗(yàn)中我遇到的容易出錯(cuò)的地方是卷積的in_features和out_features容易出錯(cuò),尺寸不對(duì)的時(shí)候就會(huì)報(bào)錯(cuò),在多個(gè)卷積的情況下尤其需要注意,第二點(diǎn)容易出錯(cuò)的地方是卷積以及池化所有結(jié)束后,一定要使用torch.flatten進(jìn)行拉伸,第三點(diǎn)容易出錯(cuò)的地方是fc1的in_features,這個(gè)我通過(guò)使用斷點(diǎn)的方法,得到fc1前一步的size值,從而得到in_features的值,從中收獲頗深。
-
數(shù)據(jù)集
+關(guān)注
關(guān)注
4文章
1224瀏覽量
25449 -
MNIST
+關(guān)注
關(guān)注
0文章
10瀏覽量
3541 -
vgg
+關(guān)注
關(guān)注
1文章
11瀏覽量
5351
發(fā)布評(píng)論請(qǐng)先 登錄
TF之CNN:CNN實(shí)現(xiàn)mnist數(shù)據(jù)集預(yù)測(cè)
使用MXNetFashionMNIST數(shù)據(jù)集分類簡(jiǎn)潔實(shí)現(xiàn)
使用MXNetFashionMNIST數(shù)據(jù)集分類手動(dòng)實(shí)現(xiàn)
TensorFlow邏輯回歸處理MNIST數(shù)據(jù)集
TensorFlow邏輯回歸處理MNIST數(shù)據(jù)集
圖像預(yù)處理和改進(jìn)神經(jīng)網(wǎng)絡(luò)推理的簡(jiǎn)要介紹
keras制作mnist數(shù)據(jù)集的流程
如何利用keras打包制作mnist數(shù)據(jù)集
如何使用神經(jīng)網(wǎng)絡(luò)模型加速圖像數(shù)據(jù)集的分類
如何使用VGG網(wǎng)絡(luò)進(jìn)行MNIST圖像分類

簡(jiǎn)述PyTorch中mnist的transforms圖像處理

PyTorch教程4.2之圖像分類數(shù)據(jù)集

評(píng)論