简单的卷积网络的搭建—— LeNet 模型

import torch

from torch import nn

class LeNet(nn.Module):

    def __init__(self):

        super(LeNet, self).__init__()

        '''

        这里搭建卷积层，需要按顺序定义卷积层、

        激活函数、最大池化层、卷积层、激活函数、最大池化层，

        具体形状见测试说明

        '''

        self.conv = nn.Sequential(

            ########## Begin ##########

            nn.Conv2d(1, 6, 5),     # 卷积层

            nn.Sigmoid(),     # 激活函数

            nn.MaxPool2d(2, 2),     # 最大池化层

            nn.Conv2d(6, 16, 5),     # 卷积层

            nn.Sigmoid(),     # 激活函数

            nn.MaxPool2d(2, 2),

            ########## End ##########

        )

        '''

        这里搭建全连接层，需要按顺序定义全连接层、

        激活函数、全连接层、激活函数、全连接层，

        具体形状见测试说明

        '''

        self.fc = nn.Sequential(

            ########## Begin ##########

            nn.Linear(16*16, 120),     # 全连接层

            nn.Sigmoid(),

            nn.Linear(120, 84),

            nn.Sigmoid(),

            nn.Linear(84, 10),

           

            ########## End ##########

        )

    def forward(self, img):

        '''

        这里需要定义前向计算

        '''

        ########## Begin ##########

        feature = self.conv(img)     # 卷积层

        output = self.fc(feature.view(img.shape[0], -1))     # 全连接层

        return output

        ########## End ##########