PyTorch 深度学习之卷积神经网络(基础篇)Basic CNN(九)

0. Revision: Fully connected Neural Network 全连接

PyTorch 深度学习之卷积神经网络(基础篇)Basic CNN(九)_第1张图片

1. Convolution Neural Network

保留空间信息

PyTorch 深度学习之卷积神经网络(基础篇)Basic CNN(九)_第2张图片

1.1 Convolution

PyTorch 深度学习之卷积神经网络(基础篇)Basic CNN(九)_第3张图片

PyTorch 深度学习之卷积神经网络(基础篇)Basic CNN(九)_第4张图片

PyTorch 深度学习之卷积神经网络(基础篇)Basic CNN(九)_第5张图片PyTorch 深度学习之卷积神经网络(基础篇)Basic CNN(九)_第6张图片

PyTorch 深度学习之卷积神经网络(基础篇)Basic CNN(九)_第7张图片

Convolution-Single Input Channel 单通道 

数乘

PyTorch 深度学习之卷积神经网络(基础篇)Basic CNN(九)_第8张图片

3 input Channels 3通道

PyTorch 深度学习之卷积神经网络(基础篇)Basic CNN(九)_第9张图片

PyTorch 深度学习之卷积神经网络(基础篇)Basic CNN(九)_第10张图片

N input Channels

PyTorch 深度学习之卷积神经网络(基础篇)Basic CNN(九)_第11张图片

N input Channels and M output channel

M 个卷积核

PyTorch 深度学习之卷积神经网络(基础篇)Basic CNN(九)_第12张图片

1.2 convolution layer

PyTorch 深度学习之卷积神经网络(基础篇)Basic CNN(九)_第13张图片

3×3卷积核 图像大小-2

PyTorch 深度学习之卷积神经网络(基础篇)Basic CNN(九)_第14张图片

convolution layer-padding 想要保持维数不变

PyTorch 深度学习之卷积神经网络(基础篇)Basic CNN(九)_第15张图片

3×3 3/2=1 添1圈

5×5 5/2=2 添2圈

padding=1

PyTorch 深度学习之卷积神经网络(基础篇)Basic CNN(九)_第16张图片

PyTorch 深度学习之卷积神经网络(基础篇)Basic CNN(九)_第17张图片

convolution layer-stride=2

PyTorch 深度学习之卷积神经网络(基础篇)Basic CNN(九)_第18张图片

PyTorch 深度学习之卷积神经网络(基础篇)Basic CNN(九)_第19张图片

1.3 Max Pooling Layer

通道数量不变

PyTorch 深度学习之卷积神经网络(基础篇)Basic CNN(九)_第20张图片

PyTorch 深度学习之卷积神经网络(基础篇)Basic CNN(九)_第21张图片

2. A simple convolution neural network

PyTorch 深度学习之卷积神经网络(基础篇)Basic CNN(九)_第22张图片

PyTorch 深度学习之卷积神经网络(基础篇)Basic CNN(九)_第23张图片

PyTorch 深度学习之卷积神经网络(基础篇)Basic CNN(九)_第24张图片

3. How to use GPU

1. Move Model to GPU

PyTorch 深度学习之卷积神经网络(基础篇)Basic CNN(九)_第25张图片

2. Move Tensor to GPU

PyTorch 深度学习之卷积神经网络(基础篇)Basic CNN(九)_第26张图片

PyTorch 深度学习之卷积神经网络(基础篇)Basic CNN(九)_第27张图片

Results

PyTorch 深度学习之卷积神经网络(基础篇)Basic CNN(九)_第28张图片

错误率来说1/3的提升

你可能感兴趣的:(深度学习,深度学习,pytorch,cnn)