1 問題
如何搭建VGG網(wǎng)絡,實現(xiàn)Mnist數(shù)據(jù)集的圖像分類?
2 方法
步驟:
首先導包 VGG11由8個卷積,三個全連接組成,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
通過本周學習讓我學會了VGG11網(wǎng)絡,從實驗中我遇到的容易出錯的地方是卷積的in_features和out_features容易出錯,尺寸不對的時候就會報錯,在多個卷積的情況下尤其需要注意,第二點容易出錯的地方是卷積以及池化所有結(jié)束后,一定要使用torch.flatten進行拉伸,第三點容易出錯的地方是fc1的in_features,這個我通過使用斷點的方法,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
+關注
關注
4文章
1222瀏覽量
25244 -
MNIST
+關注
關注
0文章
10瀏覽量
3489 -
vgg
+關注
關注
1文章
11瀏覽量
5305
發(fā)布評論請先 登錄
TF之CNN:CNN實現(xiàn)mnist數(shù)據(jù)集預測
使用MXNetFashionMNIST數(shù)據(jù)集分類簡潔實現(xiàn)
使用MXNetFashionMNIST數(shù)據(jù)集分類手動實現(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
圖像預處理和改進神經(jīng)網(wǎng)絡推理的簡要介紹
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)絡模型加速圖像數(shù)據(jù)集的分類
如何使用VGG網(wǎng)絡進行MNIST圖像分類

簡述PyTorch中mnist的transforms圖像處理

PyTorch教程4.2之圖像分類數(shù)據(jù)集

評論