深圳最新政策下，免费成品网站模板是否仍可使用？

成品网站免费模板,深圳进入政策最新,京东网上商城购买,企业简介的网站怎么做构建卷积神经网络 卷积网络中的输入和层与传统神经网络有些区别#xff0c;需重新设计#xff0c;训练模块基本一致 import torch import torch.nn as nn import torch.optim as optim import torch.nn.functional as F from torchvision import datasets,transforms impor…构建卷积神经网络 卷积网络中的输入和层与传统神经网络有些区别需重新设计训练模块基本一致 import torch import torch.nn as nn import torch.optim as optim import torch.nn.functional as F from torchvision import datasets,transforms import matplotlib.pyplot as plt import numpy as np %matplotlib inline 首先读取数据 分别构建训练集和测试集验证集DataLoader来迭代取数据 # 定义超参数 input_size 28 #图像的总尺寸28*28 num_classes 10 #标签的种类数 num_epochs 3 #训练的总循环周期 batch_size 64 #一个撮批次的大小64张图片# 训练集 train_dataset datasets.MNIST(root./data, trainTrue, transformtransforms.ToTensor(), downloadTrue) # 测试集 test_dataset datasets.MNIST(root./data, trainFalse, transformtransforms.ToTensor())# 构建batch数据 train_loader torch.utils.data.DataLoader(datasettrain_dataset, batch_sizebatch_size, shuffleTrue) test_loader torch.utils.data.DataLoader(datasettest_dataset, batch_sizebatch_size, shuffleTrue) 卷积网络模块构建 一般卷积层relu层池化层可以写成一个套餐注意卷积最后结果还是一个特征图需要把图转换成向量才能做分类或者回归任务 class CNN(nn.Module):def __init__(self):super(CNN, self).__init__()self.conv1 nn.Sequential( # 输入大小 (1, 28, 28)nn.Conv2d(in_channels1, # 灰度图out_channels16, # 要得到几多少个特征图kernel_size5, # 卷积核大小stride1, # 步长padding2, # 如果希望卷积后大小跟原来一样需要设置padding(kernel_size-1)/2 if stride1), # 输出的特征图为 (16, 28, 28)nn.ReLU(), # relu层nn.MaxPool2d(kernel_size2), # 进行池化操作2x2 区域, 输出结果为 (16, 14, 14))self.conv2 nn.Sequential( # 下一个套餐的输入 (16, 14, 14)nn.Conv2d(16, 32, 5, 1, 2), # 输出 (32, 14, 14)nn.ReLU(), # relu层nn.Conv2d(32, 32, 5, 1, 2),nn.ReLU(),nn.MaxPool2d(2), # 输出 (32, 7, 7))self.conv3 nn.Sequential( # 下一个套餐的输入 (16, 14, 14)nn.Conv2d(32, 64, 5, 1, 2), # 输出 (32, 14, 14)nn.ReLU(), # 输出 (