pytorch12-＞Sequential的简单应用

import torch
from torch import nn
from torch.nn import Conv2d, MaxPool2d, Flatten, Linear, Sequential
from torch.utils.tensorboard import SummaryWriter # 导入放最上面

# 1. 定义模型
class Tudui(nn.Module):
def __init__(self):
super(Tudui, self).__init__()
# 使用 Sequential 容器按顺序装层
self.model1 = Sequential(
Conv2d(3, 32, 5, padding=2),
MaxPool2d(2),
Conv2d(32, 32, 5, padding=2),
MaxPool2d(2),
Conv2d(32, 64, 5, padding=2),
MaxPool2d(2),
Flatten(),
Linear(1024, 64),
Linear(64, 10)
)

def forward(self, x):
x = self.model1(x)
return x

# 2. 创建模型实例
tudui = Tudui()
print(tudui)

# 3. 验证网络尺寸
input = torch.ones((64, 3, 32, 32))
output = tudui(input)
print(f"输出形状: {output.shape}") # torch.Size([64, 10])

# 4. TensorBoard 可视化
writer = SummaryWriter("logs_seq")
writer.add_graph(tudui, input) # 把模型结构画出来
writer.close()

print("完成！运行 tensorboard –logdir=logs_seq 查看模型结构")

一.Sequential是顺序执行容器

不用Sequential：

self.conv1 = Conv2d(3, 32, 5, padding=2)
self.pool1 = MaxPool2d(2)

用Sequential就不用self.：

self.model1 = Sequential(
Conv2d(3, 32, 5, padding=2),
MaxPool2d(2),

二.

self.model1 = Sequential(
Conv2d(3, 32, 5, padding=2),
MaxPool2d(2),
Conv2d(32, 32, 5, padding=2),
MaxPool2d(2),
Conv2d(32, 64, 5, padding=2),
MaxPool2d(2),
Flatten(),
Linear(1024, 64),
Linear(64, 10)
)

1.Conv2d(3, 32, 5, padding=2)
#              ↑    ↑   ↑      ↑
#              │   │   │     └── 第4个参数：padding（填充）
#              │   │   └──────── 第3个参数：kernel_size（卷积核大小）
#              │   └──────────── 第2个参数：out_channels（输出通道数）
#              └──────────────── 第1个参数：in_channels（输入通道数）

第一次二维卷积，输入RGB3个通道，用32个卷积核扫描，输出32个通道，这32个通道，可以理解为32种不同的“特征视角”，每一张特征图都对应一个卷积核。

可以大致理解为：

• 卷积核1：专门找“横着的边缘”

• 卷积核2：专门找“竖着的边缘”

• 卷积核3：专门找“45度斜线”

• 卷积核4：专门找“亮斑”（比如灯光、眼睛反射）

• 卷积核5：专门找“暗斑”（比如阴影、深色纹理）

• 卷积核6：专门找“红色与绿色的分界处”

• ……

• 卷积核32：专门找某种特殊的纹理（比如鱼鳞状、网格状）

• 这32张特征图，就是网络对这张图片的 “初印象总结”，它把原始图片从“红绿蓝三色像素”的视角，转换为“32种不同特征强度”的视角，为后续的识别任务提供了更丰富的“原材料”。

5是卷积核大小，5*5。

2.        padding是2，填充的意思，上下左右边各填充2行，原来是32*32的像素点，现在是36*36的像素点

输出尺寸 = (输入尺寸 – 卷积核大小 + 2×padding) / 步长 + 1

这道题是        输出尺寸 = (32 – 5 + 2×2) / 1 + 1 = 32，这样能保证输出的尺寸和输入的尺寸一边大

为什么需要填充？

假设原图是32*32，卷积核是5*5，原来总共就是0~31行，如果不填充，卷积核只能在2~29行取到数，上下左右边缘的2行都被损失掉了，如果补上两行，padding=2的话，卷积核才能取到原来的32*32

没写步长stride，默认就是1

3. MaxPool2d(2),最大池化2*2，

例如：

[1,2]

[3,4]

取4个像素中的最大值4，拿到其中最明显的特征

4.卷积的操作是扫描固定大小的局部，池化是缩小，把原来4个像素取最大值留一个，原来的32*32池化一次之后就是16*16

5. Conv2d(32, 32, 5, padding=2),

     MaxPool2d(2),

• 第一次卷积的 32 张图：识别线条、边缘、颜色变化（基础特征）

• 第二次卷积的 32 张图：识别角、形状、纹理等（组合特征）

第二次卷积卷的是第一次卷积的结果，在原有基础的情况下再进一步识别出组合的特征

第二次池化后图片从16*16变成8*8

6. Conv2d(32, 64, 5, padding=2),

    MaxPool2d(2),

第三次卷积输出变成 64 张 特征图，它不再看“边缘”或“角”，而是看 “这些形状是怎么组合成完整部件的”。

比如：

• 多个弧线 + 一个圆形 → 可能是一个眼睛

• 几条直线围成一个矩形 → 可能是一个车窗

• 两条弧线 + 一条横线 → 可能是一个猫耳朵

第三次池化把8*8*变成4*4

7. Flatten()：一张图片64个通道（特征图）每个通道4*4个像素（这里说像素不准确，一次卷据之后的图他都不能叫像素，应该叫特征的值，叫像素为了方便理解），

flatten把64*4*4全都展平成1维即1*1024，因为后面linear线性层只接受一维的

8. Linear(1024, 64),

    Linear(64, 10)

通过全连接层的两次线性变换，最终输出一个10维的特征，因为cifar10有10个物体，看他们最后的权重大小，看这图片最像什么

三.

1.

torch.ones((64, 3, 32, 32))
#     ↑ ↑ ↑ ↑
# │ │ │ └── 图片宽 = 32 像素
# │ │ └────── 图片高 = 32 像素
# │ └───────── 通道数 = 3（彩色图 RGB）
# └───────────── 图片张数 = 64张

ones意思是每个像素都是1，也就是64张纯白图片，用来测试