# 第一层卷积池化 Sequential内的函数顺序执行
# 原文中激活函数都是用的sigmoid 这里使用更好的ReLu
self.conv_pool1 nn.Sequential(
nn.Conv2d(in_channels 1, # input (1, 28, 28) padding to(1,32,32)
# 这里的input和output的值都是针对一个样本来说的 而训练时是一次输入一个batch
out_channels 6,
kernel_size (5, 5),
padding 2), # output(6, 28, 28)
nn.ReLU(), # 激活函数
nn.MaxPool2d(2, stride 2) # output(6, 14, 14)
self.conv_pool2 nn.Sequential(
nn.Conv2d(in_channels 6,
out_channels 16,
kernel_size (5, 5)
), # output(16, 10, 10)
nn.ReLU(),
nn.MaxPool2d(2, stride 2) # output(16, 5, 5)
# 全连接层
self.fc1 nn.Sequential( # 这里用全连接层代替原文的卷积层
nn.Linear(16*5*5, 120),
nn.ReLU()
# 全连接层
self.fc2 nn.Sequential(
nn.Linear(120, 84),
nn.ReLU()
# 输出层
self.out nn.Sequential(
nn.Linear(84, 10),
# 前向传播
def forward(self, x):
x self.conv_pool1(x)
x self.conv_pool2(x)
x x.view(x.size(0), -1) # resize to 2-dims(batch_size, 16*5*5) 展平成1维
x self.fc1(x)
x self.fc2(x)
x self.out(x)
return x
