卷积神经网络(LeNet)

https://zh.d2l.ai/chapter_convolutional-neural-networks/lenet.html

LeNet-5第二个卷积层,是如何把第1个卷积层的6个通道变为16个输出通道的?第二个卷积层卷积核是16* 6 * 5* 5吗?也就是16个卷积核,每个卷积核是6 * 5 * 5,每个卷积核与输入6通道进行互运算然后求和汇总形成单通道吗?

1 Like

对的,基本就是这个意思。一个核的尺寸是前一层的形状,产出的是一层featuer map.

I want to ask for you ,there is two gpu are working?

你说得对,参考 6.1.4.1. 通道 的描述

if made the lr = 0.01 , how does the network will be?

接下来,如果我想使用自己的图片做预测,我该怎样做呢?

import cv2
import numpy as np
img = cv2.imread("E:\\four.jpg",0)
img = cv2.resize(img,(28,28)) # 转化为数据集对应的大小
# 因为MNIST数据集中的图片都是黑底白字,所以此处还需要图片进行反色处理。
height,width=img.shape
dst=np.zeros((height,width),np.uint8)
for i in range(height):
    for j in range(width):
        dst[i,j]=255-img[i,j]
img = dst
# 处理完成后的图片和之前的步骤就一样了,送入网络,输出结果
img=np.array(img).astype(np.float32)
img=np.expand_dims(img,0)
img=np.expand_dims(img,0)#扩展后,为[1,1,28,28]
img  # 先测试下结果
img=torch.from_numpy(img)
# 接下来我就不会了

我如何将训练好的模型保存呢

you should try pickle.dump