pytorch SENet實現案例
阿新 • • 發佈:2020-06-28
我就廢話不多說了,大家還是直接看程式碼吧~
from torch import nn class SELayer(nn.Module): def __init__(self,channel,reduction=16): super(SELayer,self).__init__() //返回1X1大小的特徵圖,通道數不變 self.avg_pool = nn.AdaptiveAvgPool2d(1) self.fc = nn.Sequential( nn.Linear(channel,channel // reduction,bias=False),nn.ReLU(inplace=True),nn.Linear(channel // reduction,nn.Sigmoid() ) def forward(self,x): b,c,_,_ = x.size() //全域性平均池化,batch和channel和原來一樣保持不變 y = self.avg_pool(x).view(b,c) //全連線層+池化 y = self.fc(y).view(b,1,1) //和原特徵圖相乘 return x * y.expand_as(x)
補充知識:pytorch 實現 SE Block
論文模組圖
程式碼
import torch.nn as nn class SE_Block(nn.Module): def __init__(self,ch_in,reduction=16): super(SE_Block,self).__init__() self.avg_pool = nn.AdaptiveAvgPool2d(1) # 全域性自適應池化 self.fc = nn.Sequential( nn.Linear(ch_in,ch_in // reduction,nn.Linear(ch_in // reduction,_ = x.size() y = self.avg_pool(x).view(b,c) y = self.fc(y).view(b,1) return x * y.expand_as(x)
現在還有許多關於SE的變形,但大都大同小異
以上這篇pytorch SENet實現案例就是小編分享給大家的全部內容了,希望能給大家一個參考,也希望大家多多支援我們。