pytorch-Alexnet 網絡

Alexnet網絡結構, 相比於LeNet，Alexnet加入了激活層Relu， 以及dropout層

 

第一層網絡結構: 11x11x3x96, 步長爲4, padding=2 

第二層網絡結構: 5x5x96x256, 步長爲1, padding=1

第三層網絡結構: 3x3x256x384,步長爲1, padding=1

第四層網絡結構: 3x3x256x384,步長爲1,padding=1 

第五層網絡結構: 3x3x384x384, 步長爲1，padding=1 

第六層網絡結構: 3x3x384x256, 步長爲1, padding=1

第七層網絡結構: 進行維度變化, 進行dropout操做, 進行(256*6*6, 4096)全鏈接操做

第八層：進行dropout操做，進行全鏈接操做(4096, 4096) 

第九層: 輸出層的操做, 進行全鏈接(4096, num_classes)

from torch import nn


class AlexNet(nn.Module):
    def __init__(self, num_classes):
        super(AlexNet, self).__init__()
        self.feature = nn.Sequential(
            nn.Conv2d(3, 96, kernel_size=11, stride=4, padding=2),
            nn.ReLU(inplace=True),
            nn.MaxPool2d(kernel_size=3, stride=2),
            nn.Conv2d(96, 256, kernel_size=5, padding=2),
            nn.ReLU(inplace=True),
            nn.MaxPool2d(kernel_size=3, stride=2),
            nn.Conv2d(256, 384, kernel_size=3, padding=1),
            nn.ReLU(inplace=True),
            nn.Conv2d(384, 384, kernel_size=3, padding=1),
            nn.ReLU(inplace=True),
            nn.Conv2d(384, 256, kernel_size=3, padding=1),
            nn.ReLU(inplace=True),
            nn.MaxPool2d(kernel_size=3, stride=2),)
        self.classifier = nn.Sequential(
            nn.Dropout(),
            nn.Linear(256 * 6 * 6, 4096),
            nn.ReLU(inplace=True),
            nn.Dropout(),
            nn.Linear(4096, 4096),
            nn.ReLU(inplace=True),
            nn.Linear(4096, num_classes),
        )

    def forward(self, x):
        x = self.feature(x)
        x = self.classifier(x)
        return x