[人工智能]pytorch快速入门（十）cifar-10模型结构可视化

前言

框架环境：pycharm；使用pytorch环境，请自行配置
可视化工具：tensorboard
有不懂的可翻阅pytorch快速入门之前的笔记

pycharm相关快捷键
ctrl+/ 注释
Ctrl+P 查看参数，如下，光标移动至想要查看的函数，然后按下快捷键

CIFAR-10 Model Structure

下图是cifar-10模型结构

代码

import torch
from torch import nn
from torch.nn import Conv2d, MaxPool2d, Flatten, Linear, Sequential
from torch.utils.tensorboard import SummaryWriter

#构建模型
class Classification_network(nn.Module):
    def __init__(self):
       super(Classification_network, self).__init__()
       #注1>>>>第一个卷积层,计算出stride=1，padding=2
       # self.conv1 = Conv2d(3,32,5,stride=1,padding=2) #in_channel=3，out_channel=32，kernel=5
       # #最大池化
       # self.maxpool1 = MaxPool2d(2)
       # # 第二个卷积层,计算方法同上stride=1，padding=2
       # self.conv2 = Conv2d(32,32,5,padding=2)#in_channel=32，out_channel=32，kernel=5
       # # 最大池化
       # self.maxpool2 = MaxPool2d(2)
       # # 第三个卷积层,计算方法同上stride=1，padding=2
       # self.conv3 =Conv2d(32,64,5,padding=2)#in_channel=32，out_channel=64，kernel=5
       # # 最大池化
       # self.maxpool3 = MaxPool2d(2)
       # #拉伸
       # self.flatten = Flatten()
       # #线性层
       # self.linear1 = Linear(1024,64)
       # self.linear2 = Linear(64, 10)

       #sequential可以替代前面备注掉的代码段
       self.model1 = Sequential(
           Conv2d(3, 32, 5, stride=1, 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.conv1(x)
        # x = self.maxpool1(x)
        # x = self.conv2(x)
        # x = self.maxpool2(x)
        # x = self.conv3(x)
        # x = self.maxpool3(x)
        # x = self.flatten(x)
        # x = self.linear1(x)
        # y = self.linear2(x)
        # return y
        #代替以上代码段
        y = self.model1(x)
        return y

task = Classification_network()
print(task)
input = torch.ones((64, 3, 32, 32))
output = task(input)
print(output.shape)

#tensorboard可视化
writer = SummaryWriter(log_dir="E:/PycharmProjects/runs/flower_experiment")
writer.add_graph(task, input)
writer.close()

代码解释

注1：
计算公式如下（在pytorch官方文档中可查）
代入公式计算：
其中dilation取默认值1


自己推一推，就是枚举法试试。stride只能等于1，不然padding值太大，不合理。
解得padding=2，stride=1.

运行结果

右键–>run

tensorboard可视化

tensorboard详细教程tensorboard新手友好
在terminal中输入

tensorboard --logdir="E:/PycharmProjects/runs/flower_experiment"

回车后点击蓝色链接即可显示

网页显示结果

双击可查看内部结构