如何使用PyTorch搭建含400节点隐藏层的卷积神经网络?
存在的问题
- 缩进错误:
forward方法被错误定义在__init__方法内部,属于语法错误,无法正确触发前向传播逻辑 - 全连接层配置不符合要求:需求是带400个隐藏神经元的全连接层、输出维度10,当前仅定义了一层
400->10的线性层,缺少输入层到隐藏层的映射 - 张量展平逻辑错误:输入图像尺寸为
[N, 3, 32, 32],单张图展平后维度为3*32*32=3072,直接强制view(-1, 400)会错误打乱batch维度和特征维度,导致张量形状不符合预期 - 激活函数使用位置错误:10维输出一般对应分类任务,不需要在输出层后加ReLU激活,否则会过滤负输出值,影响后续损失计算
修正后代码
import torch import torch.nn as nn class MyNet(nn.Module): def __init__(self): super(MyNet, self).__init__() self.relu = nn.ReLU() # 输入层到400神经元的隐藏层 self.fc1 = nn.Linear(3 * 32 * 32, 400) # 隐藏层到10维输出层 self.fc2 = nn.Linear(400, 10) def forward(self, x): # 展平:保留batch维度,其余维度拉成向量 x = x.view(x.size(0), -1) print(x.shape) # 输入为[100,3,32,32]时输出torch.Size([100, 3072]) x = self.relu(self.fc1(x)) print(x.shape) # 输出torch.Size([100, 400]) x = self.fc2(x) print(x.shape) # 输出torch.Size([100, 10]) return x
内容的提问来源于stack exchange,提问作者husky
相关产品推荐
相关产品推荐

