深度学习——nn.Sequential 的使用

这篇文章主要记录 深度学习——nn.Sequential 的使用 的学习过程，方便后续快速回顾核心概念、代码写法与实验细节。

目标流程

import torch
from torch import nn
from torch.nn import Sequential, Conv2d, MaxPool2d, Flatten, Linear

class MyNN(nn.Module):
    def __init__(self):
        super(MyNN, self).__init__()
        # Sequential组织多个卷积等操作，相当于transforms中的compose
        self.module1 = Sequential(
            Conv2d(3, 32, 5, padding=2),
            MaxPool2d(2),
            Conv2d(32, 32, 5, padding=2),
            MaxPool2d(2),
            Conv2d(32, 64, 5, padding=2),
            MaxPool2d(2),
            Flatten(),
            Linear(1024, 64),
            Linear(64, 10)
        )

    def forward(self, x):
        x = self.module1(x)
        return x

mynn = MyNN()
print(mynn)

# https://www.w3cschool.cn/pytorch/pytorch-skug3bpf.html,查看张量的四个属性
# torch.ones函数返回全1的张量，tensor数据类型

# 生成一个64Batch，3Channel，32Width, 32Height的源数据
input = torch.ones((64, 3, 32, 32))

# 卷积池化等操作
output = mynn(input)

# 查看结果
print(output.shape)