Question

我正在训练CNN。出于报告目的，我想找出我的模型具有的层数。

从下面的代码中可以看到，我总共有6层，即layer1，layer2，conv2_drop，fc1，fc2，fc3。我说的对吗？

Net(
  (layer1): Sequential(
    (0): Conv2d(3, 10, kernel_size=(5, 5), stride=(1, 1))
    (1): BatchNorm2d(10, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
    (2): ReLU()
    (3): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)
    (4): Dropout(p=0.2, inplace=False)
  )
  (layer2): Sequential(
    (0): Conv2d(10, 20, kernel_size=(5, 5), stride=(1, 1))
    (1): BatchNorm2d(20, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
    (2): ReLU()
    (3): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)
    (4): Dropout(p=0.2, inplace=False)
  )
  (conv2_drop): Dropout2d(p=0.5, inplace=False)
  (fc1): Linear(in_features=500, out_features=250, bias=True)
  (fc2): Linear(in_features=250, out_features=50, bias=True)
  (fc3): Linear(in_features=50, out_features=10, bias=True)
)

我的NN是否有6层，或者layer1和layer2本身又增加了4层？那总共是14层？

Answer 1

尚不清楚一个层将被视为哪一层（flattening是一层还是仅仅是一个操作？如果将其实现为torch.nn.Module会怎样？）。神经网络本质上是执行操作的图形，层是一种有用的抽象，可以帮助我们对它们进行推理。

在IMO的PyTorch中，它将是torch.nn.Module的单个实例，因此在这种情况下，它将是14。甚至更是如此，BatchNorm被普遍认为是一层，为了简便起见，我也将其他人（ReLU，MaxPool2d，Dropout）也视为一个层。

在这种情况下，

layer1和layer2更像是一个块（层堆叠）。您的fc1，fc2和fc3仍然应该是IMO（请注意，我再次使用过）编码为另一个block（可能包裹在torch.nn.Seqeuntial中）。

模型的层数

1 个答案: