Ten en cuenta que en las ciencias informáticas un error casi siempere puede tener más de una resoluciones, así que nosotros te enseñaremos lo mejor y más eficiente.
Ejemplo 1: batchnorm1d pytorch
classnetwork(nn.Module):def__init__(self):super(network, self).__init__()
self.linear1 = nn.Linear(in_features=40, out_features=320)
self.bn1 = nn.BatchNorm1d(num_features=320)
self.linear2 = nn.Linear(in_features=320, out_features=2)defforward(self,input):# Input is a 1D tensor
y = F.relu(self.bn1(self.linear1(input)))
y = F.softmax(self.linear2(y), dim=1)return y
model = network()
x = torch.randn(10,40)
output = model(x)
Ejemplo 2: pytorch dropout2d
classNet(nn.Module):def__init__(self):super(Net, self).__init__()
self.conv1 = nn.Conv2d(1,10, kernel_size=5)
self.conv2 = nn.Conv2d(10,20, kernel_size=5)
self.fc1 = nn.Linear(320,50)
self.fc2 = nn.Linear(50,10)defforward(self, x):
x = F.relu(F.max_pool2d(self.conv1(x),2))
x = F.relu(F.max_pool2d(F.dropout2d(self.conv2(x)),2))
x = x.view(-1,320)
x = F.relu(self.fc1(x))
x = F.dropout(x)
x = F.log_softmax(self.fc2(x))return x
Sección de Reseñas y Valoraciones
Recuerda que puedes dar recomendación a esta sección si te fue útil.
¡Haz clic para puntuar esta entrada!
(Votos: 0 Promedio: 0)