将 CNN 模型变成课堂答案

【问题标题】：Turn CNN model into class将 CNN 模型变成课堂
【发布时间】：2019-11-25 06:43:50
【问题描述】：

我正在尝试在 Pytorch 中构建一个用于多标签分类的 CNN（每个图像可以有多个标签）。到目前为止，我已经建立了如下模型：

model.fc = nn.Sequential(nn.Linear(2048, 512),
                                 nn.ReLU(),
                                 nn.Dropout(0.2),
                                 nn.Linear(512, 10),
                                 nn.LogSigmoid())
                                 # nn.LogSoftmax(dim=1))

criterion = nn.NLLLoss()
# criterion = nn.BCELoss()
optimizer = optim.Adam(model.fc.parameters(), lr=0.003)

但我想使用类似以下示例的类来构建它：

class Net(nn.Module):
    def __init__(self):
        super(Net, self).__init__()
        self.conv1 = nn.Conv2d(3, 10, 5)
        self.pool = nn.MaxPool2d(2, 2)
        self.conv2 = nn.Conv2d(10, 20, 5)
        self.fc1 = nn.Linear(20 * 22 * 39, 100)
        self.fc2 = nn.Linear(100, 50)
        self.fc3 = nn.Linear(50, 10)
        self.fc4 = nn.Linear(10, 3)

    def forward(self, x):
        x = x.view(-1, 3, 100, 170)
        x = self.pool(F.relu(self.conv1(x)))
        x = self.pool(F.relu(self.conv2(x)))
        x = x.view(-1, 20 * 22 * 39)
        x = F.relu(self.fc1(x))
        x = F.relu(self.fc2(x))
        x = F.relu(self.fc3(x))
        return self.fc4(x)

鉴于我正在处理多标签分类问题，实现这一目标的最佳方法是什么？任何见解我都会很感激。

【问题讨论】：

你有什么特别的理由想要在课堂上使用它吗？
只是出于好奇，我想知道如何构建它。谢谢！

标签： python machine-learning neural-network conv-neural-network pytorch

【解决方案1】：

您应该使用torch.nn.BCEWithLogitsLoss 进行多标签分类（和数值稳定性），不要使用LogSigmoid 或NLLLoss 作为输出。
您必须批量输出每个元素的N 元素，其中1 在向量中的位置N 表示图像上存在类N。
你的网络很好，只要你有 3 个标签要预测（0 或 1）。您可能会考虑它的设计或使用预训练的东西，而不是它至少应该运行。

【讨论】：