深度学习学习笔记 AlexNet优化

最新推荐文章于 2024-11-24 10:34:16 发布

Lezvin

最新推荐文章于 2024-11-24 10:34:16 发布

阅读量947

点赞数

CC 4.0 BY-SA版权

分类专栏：强化学习笔记

本文链接：https://blog.csdn.net/x3464/article/details/109706658

本文介绍了AlexNet深度学习模型的实现过程，包括三个卷积阶段和一个全连接层阶段，详细展示了各层参数配置。作者提到dropout层通常用于全连接层以防止过拟合，个人经验中设置在0.1~0.3之间为宜。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

https://blog.csdn.net/u011268787/article/details/84926246

https://blog.csdn.net/u011268787/article/details/85043511

class AlextNet(nn.Module):
    def __init__(self, in_channel, n_class):
        super(AlextNet, self).__init__()
        # 第一阶段
        self.conv1 = nn.Sequential(
            nn.Conv2d(in_channel, 96, kernel_size=11, stride=4),
            nn.ReLU(inplace=True),
            nn.MaxPool2d(kernel_size=3, stride=2)
        )
        # 第二阶段
        self.conv2 = nn.Sequential(
            nn.Conv2d(96, 256, kernel_size=5, padding=2),
            nn.ReLU(inplace=True),
            nn.MaxPool2d(kernel_size=3, stride=2)
        )
        # 第三阶段
        self.conv3 = nn.Sequential(
            nn.Conv2d(256, 384, kernel_size=3, padding=1),