告密者的下场 (第1/2页)

微看书 vks.cc，最快更新印度神话!

从前有座山，叫巴里赫德，他一个当一座山，十分的爽。

哎，想不到吧。

这个山里面有树林，有庙，有这个山里灵活的狗。山上有棵树，这棵树不叫高树，因为这个梗太老了。这棵树的形状有些奇特，大概就长这个样子。

import torch

from torch import nn

import torch.nn.functional as F

import os

import tensorboardX

from torch.utils.data import Dataset

from torch.utils.data import DataLoader

device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')

class VGGBaseSimpleS2(nn.Module):

def __init__(self):

super(VGGBaseSimpleS2, self).__init__()

self.conv1 = nn.Sequential(

nn.Conv2d(1, 12, kernel_size=3, stride=1, padding=1),

#nn.BatchNorm2d(16),

nn.ReLU()

# 6*6

self.max_pooling1 = nn.MaxPool2d(kernel_size=2, stride=1)

# 5*5

self.conv2_1 = nn.Sequential(

nn.Conv2d(12, 24, kernel_size=3, stride=1, padding=1),

nn.ReLU()

self.max_pooling2_1 = nn.MaxPool2d(kernel_size=2, stride=1)

# 4*4

self.conv2_2 = nn.Sequential(

nn.Conv2d(24, 24, kernel_size=3, stride=1, padding=1),

nn.ReLU()

self.max_pooling2 = nn.MaxPool2d(kernel_size=2, stride=2)

# 2*2

# 2*2

self.fc = nn.Linear(24*2*2, 2)

def forward(self, x):

batchsize = x.size(0)

out = self.conv1(x)

out = self.max_pooling1(out)

out = self.conv2_1(out)

out = self.conv2_2(out)

out = self.max_pooling2(out)

out = out.view(batchsize, -1)

out = self.fc(out)

out = F.log_softmax(out, dim=1)

return out

class TrainingDataSet(Dataset):

def __init__(self):

super(TrainingDataSet, self).__init__()

self.data_dict_X = X_train

self.data_dict_y = y_train

def __getitem__(self, index):

t = self.data_dict_X[index, 0:36]

t = torch.tensor(t).view(6, 6)

return t, self.data_dict_y[index]

def __len__(self):

return len(self.data_dict_y)

class TestDataSet(Dataset):

def __init__(self):

super(TestDataSet, self).__init__()

self.data_dict_X = X_validate

self.data_dict_y = y_validate

def __getitem__(self, index):

t = self.data_dict_X[index, 0:36]

t = torch.tensor(t).view(6, 6)

return t, self.data_dict_y[index]

def __len__(self):

return len(self.data_dict_y)

def cnn_classification():

batch_size = 256

trainDataLoader = DataLoader(TrainingDataSet(), batch_size=batch_size, shuffle=False)

testDataLoader = DataLoader(TestDataSet(), batch_size=batch_size, shuffle=False)

epoch_num = 200

#lr = 0.001

lr = 0.001

net = VGGBaseSimpleS2().to(device)

print(net)

# loss

loss_func = nn.CrossEntropyLoss()

# optimizer

optimizer = torch.optim.Adam(net.parameters(), lr=lr)

# optimizer = torch.optim.SGD(net.parameters(), lr=lr, momentum=0.9, weight_decay=5e-4)

scheduler = torch.optim.lr_scheduler.StepLR(optimizer, step_size=5, gamma=0.9)

if not os.path.exists(“logCNN“):

os.mkdir(“logCNN“)

writer = tensorboardX.SummaryWriter(“logCNN“)

for epoch in range(epoch_num):

train_sum_loss = 0

train_sum_correct = 0

train_sum_fp = 0

train_sum_fn = 0

train_sum_tp = 0

train_sum_tn = 0

for i, data in enumerate(trainDataLoader):

net.train()

inputs, labels = data

inputs = inputs.unsqueeze(1).to(torch.float32)

labels = labels.type(torch.LongTensor)