paddle如何设计模型并构建

因为最近机器学习的课上使用的都是paddle来进行作业&＃xff0c;因此我介绍一下如何根据已知的结果在  padlle中构建模型。 

比如说这个图怎么设计网络模型呢&＃xff1f;

首先我们看到有一个输入层1*32*32&＃xff0c;接下来是一个卷积层输入为6,加一个池化层&＃xff0c;随后优势一个卷积输入为16&＃xff0c;加一个池化层&＃xff0c;最后是三个全连接层。另外在卷积和连接层后要加一个激活函数&＃xff0c;这边比较推荐用relu因为比较稳定有效。
 

根据输入图片的还要对具体参数进行调试。

class LeNet(paddle.nn.Layer):def __init__(self):super(LeNet, self).__init__()self.conv1 &＃61; Conv2D(in_channels&＃61;1, out_channels&＃61;6, kernel_size&＃61;5)self.max_pool1 &＃61; MaxPool2D(kernel_size&＃61;2, stride&＃61;2)self.conv2 &＃61; Conv2D(in_channels&＃61;6, out_channels&＃61;16, kernel_size&＃61;5)self.max_pool2 &＃61; MaxPool2D(kernel_size&＃61;2, stride&＃61;2)self.fc1 &＃61; Linear(in_features&＃61;400, out_features&＃61;120)self.fc2 &＃61; Linear(in_features&＃61;120, out_features&＃61;84)self.fc3 &＃61; Linear(in_features&＃61;84, out_features&＃61;10)def forward(self, x):x &＃61; self.conv1(x)x &＃61; F.relu(x)x &＃61; self.max_pool1(x)x &＃61; self.conv2(x)x &＃61; F.relu(x)x &＃61; self.max_pool2(x)x &＃61; paddle.reshape(x, [x.shape[0], -1])x &＃61; self.fc1(x)x &＃61; F.relu(x)x &＃61; self.fc2(x)x &＃61; F.relu(x)x &＃61; self.fc3(x)return x