基于PyTorch构建CNN神经网络模型

使用pytorch搭建CNN神经网络

• 卷积运算的核心概念

  • 单次卷积操作的具体实现

    • 具有边界条件的卷积过程
      • 同一类型的卷积操作

  • CNN的基本结构

  • • 数据输入层
    • 卷积层
    • 池化层
    • 全连接层

• 数据导入的方式

• 搭建基础CNN架构

• 网络架构设计

• 损失函数与优化器的选择

• 训练与测试功能模块

• 完成CNN架构的训练及测试过程

  • Googlenet的实现

  • • 网络框架

  • Resnet的实现

  • • 网络框架

卷积运算的基本原理

单层卷积运算

valid convolution

所谓卷积运算就是由一个卷积核[也称为过滤器]执行对指定大小矩阵进行卷积操作的过程

考虑一个5×5的方阵，并采用一个3×3大小的卷积核进行卷积运算。可以看出，在对这个方阵左上角的3×3区域执行卷积运算时，会先对该区域内的每个元素与对应的卷积核位置上的数值进行相乘操作。然后将这九个乘积累加起来，计算得到输出矩阵的第一个元素。

![](https:/