代码拉取完成,页面将自动刷新
import torch
from torch import nn
class Net(nn.Module):
def __init__(self):
super().__init__()
self.fc = nn.Sequential(
nn.Linear(100 * 100 * 3, 784),
nn.PReLU(),
nn.Linear(784, 256),
nn.PReLU(),
nn.Linear(256, 128),
nn.PReLU(),
nn.Linear(128, 64),
nn.PReLU(),
nn.Linear(64, 32),
nn.PReLU(),
nn.Linear(32, 3),
# 损失函数是交叉熵去掉softmax
# nn.Softmax(dim=1)
)
def forward(self, _x):
return self.fc(_x)
if __name__ == '__main__':
x = torch.randn(2, 100 * 100 * 3)
net = Net()
out = net(x)
print(out.shape)
# print(out)
pass
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。