LeNet()을 model이라는 이름으로 객체를 생성하여 모델 학습을 위한 준비를 합니다.
코드 6-11 모델 객체 생성
model = LeNet()
print(model)
다음은 생성한 model에 대한 출력 결과입니다.
LeNet( (cnn1): Conv2d(3, 16, kernel_size=(5, 5), stride=(1, 1)) (relu1): ReLU() (maxpool1): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False) (cnn2): Conv2d(16, 32, kernel_size=(5, 5), stride=(1, 1)) (relu2): ReLU() (maxpool2): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False) (fc1): Linear(in_features=89888, out_features=512, bias=True) (relu5): ReLU() (fc2): Linear(in_features=512, out_features=2, bias=True) (output): Softmax(dim=1) )
출력 결과가 한눈에 들어오지 않는다면 torchsummary 라이브러리를 사용해 볼 수 있습니다. torchsummary는 케라스와 같은 형태로 모델을 출력해 볼 수 있는 라이브러리입니다.