今天來複習一下pytorch的code.都快忘了怎麼用了,在弄yolo時有點看的霧颯颯.
另外tensorflow也出2.0,真的是學海無涯,怎麼都趕不上...
就繼續加油吧,多看多讀多寫~

首先複習一下搭建網路的方法吧～

要用pytorch就得:
import torch
接著導入neural network:
import torch.nn as nn
再來開始搭建網路啦~

例如：
class Net(nn.Module):
def int(self):
super(Net,self).int()
這三行是要搭建網路的起手式,接著我要搭建一個CNN:
self.conv1 = nn.Sequential(
nn.Conv2D(
in_channels = 1, #RGB:channel數
out_channels = 16, #feature map 數量
kernel_size=3, #convolution filter大小
stride=1, #filter每次走多遠
padding=1, #在圖片旁補0
),
#小訣竅：如果想讓輸入和輸出的size相同就把padding設成
（kernel size - 1） /2

    nn.Relu(),
    nn.MaxPool2D(kernel_size=2),
)

這樣就搭好一層的流程圖了！依樣畫葫蘆：
self.conv2 = nn.Sequential(
nn.Conv2d(16,32,3,1,1),
nn.ReLU(),
nn.MaxPool2d(2)
)
self.out = nn.Linear(3277, 10)

搭完流程圖後接著寫forward path:

def forward(self,x):
x = self.conv1(x)
x = self.conv2(x)
x = x.view(x.size(0), -1)
output = self.out(x)
return output

cnn = Net()
print(cnn)

最後print出來看看神經網路流程圖啦～～～～