当前位置: 首页 > news >正文

【深度学习】【入门】Sequential的使用和简单神经网络搭建

1.Sequential的概念

  它是一种按顺序封装神经网络层的容器,能让层按照添加顺序依次执行计算,简化网络搭建流程

2.Sequential的作用

1.代码简洁化

  对比不用 Sequential 时手动搭建层的繁琐代码(如每层需手动定义并连接),展示使用 Sequential 后代码的简洁性,减少冗余的变量定义和连接操作

2.结构清晰化

  阐述 Sequential 能直观呈现网络的层序结构,让开发者和读者快速理清网络从输入到输出的流程,便于调试和维护

3.框架适配性

  说明 Sequential 与主流深度学习框架的高度兼容,无需额外处理层间的连接逻辑,框架会自动完成张量在层间的传递

3.Sequential的核心特征

1.层的顺序性

  强调 Sequential 中各层必须按执行顺序添加,前一层的输出维度需与后一层的输入维度匹配,否则会出现维度不兼容错误

2.支持的层的类型

  支持绝大多数按顺序执行的网络层

3.与非Sequential搭建方式的区别

  与非Sequential相比更灵活、直观

4.Sequential模块及简单神经网络搭建

1.Sequential模块

2.要搭建的神经网络示意图

 

3.Sequential代码

import torch
from torch import nn
from torch.nn import Sequential, Conv2d, MaxPool2d, Flatten, Linear
from torch.utils.tensorboard import SummaryWriterclass Module(nn.Module):def __init__(self):super(Module, self).__init__()self.model = 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.model(x)return xmodule = Module()
print(module)
input = torch.ones((64, 3, 32, 32))
output = module(input)
print(output.shape)writer = SummaryWriter('../logs')
writer.add_graph(module, input)
writer.close()

 4.结果

http://www.lryc.cn/news/583164.html

相关文章:

  • 【机器学习】BeamSearch算法
  • 华为OD机试_2025 B卷_观看文艺汇演问题(Python,100分)(附详细解题思路)
  • 七牛云C++开发面试题及参考答案
  • Vue 3 中父子组件双向绑定的 4 种方式
  • mysql互为主从失效,重新同步
  • qml加载html以及交互
  • HarmonyOS中各种动画的使用介绍
  • C语言extern的用法(非常详细,通俗易懂)
  • 〔从零搭建〕数据湖平台部署指南
  • 17.Spring Boot的Bean详解(新手版)
  • OpenCV颜色矩哈希算法------cv::img_hash::ColorMomentHash
  • STM32-待机唤醒实验
  • [Leetcode] 预处理 | 多叉树bfs | 格雷编码 | static_cast | 矩阵对角线
  • User手机上如何抓取界面的布局uiautomatorviewer
  • 【机器人】Aether 多任务世界模型 | 4D动态重建 | 视频预测 | 视觉规划
  • 速卖通跨境运营破局:亚矩阵云手机如何用“本地化黑科技”撬动俄罗斯市场25%客单价增长
  • React 编译器与性能优化:告别手动 Memoization
  • 开始读 PostgreSQL 16 Administration Cookbook
  • 苍穹外卖项目日记(day04)
  • 【Netty+WebSocket详解】WebSocket全双工通信与Netty的高效结合与实战
  • 冷冻电镜重构的GPU加速破局:从Relion到CryoSPARC的并行重构算法
  • 《重构项目》基于Apollo架构设计的项目重构方案(多种地图、多阶段、多任务、状态机管理)
  • 仓颉语言 1.0.0 升级指南:工具链适配、collection 操作重构与 Map 遍历删除避坑
  • IT系统安全刚需:绝缘故障定位系统
  • Tailwind CSS纵向滚动条设置
  • PiscTrace深蹲计数功能实现:基于 YOLO-Pose 和人体关键点分析
  • 基于Java+Maven+Testng+Selenium+Log4j+Allure+Jenkins搭建一个WebUI自动化框架(4)集成Allure报表
  • JavaScript数组方法——梳理和考点
  • SpringBoot实现动态Job实战
  • DRT-Net: Dual-Branch Rectangular Transformer with Contrastive Learning