python 打印fpn结构代码

以下是一个用Python打印FPN（Feature Pyramid Network）结构的代码示例：

# 导入所需的库
import torch
import torch.nn as nn

# 定义FPN网络类
class FPN(nn.Module):
    def __init__(self, in_channels, out_channels):
        super(FPN, self).__init__()
        
        # 创建不同层级的特征提取器
        self.p5 = nn.Conv2d(in_channels, out_channels, kernel_size=3, stride=1, padding=1)
        self.p4 = nn.Conv2d(in_channels, out_channels, kernel_size=3, stride=1, padding=1)
        self.p3 = nn.Conv2d(in_channels, out_channels, kernel_size=3, stride=1, padding=1)
        self.p2 = nn.Conv2d(in_channels, out_channels, kernel_size=3, stride=1, padding=1)
        
        # 创建上采样层
        self.upsample = nn.Upsample(scale_factor=2, mode='nearest')

    def forward(self, inputs):
        # 从输入层开始进行特征提取
        x2, x3, x4, x5 = inputs
        
        # 生成P5层特征
        p5 = self.p5(x5)
        
        # 生成P4层特征，通过上采样和与P5层特征进行融合
        p4 = self.p4(x4) + self.upsample(p5)
        
        # 生成P3层特征，通过上采样和与P4层特征进行融合
        p3 = self.p3(x3) + self.upsample(p4)
        
        # 生成P2层特征，通过上采样和与P3层特征进行融合
        p2 = self.p2(x2) + self.upsample(p3)
        
        # 返回FPN结构输出的特征图
        return p2, p3, p4, p5

# 创建FPN网络实例
fpn = FPN(in_channels=64, out_channels=256)

# 打印FPN结构
print(fpn)

这段代码实现了一个基本的FPN结构，其中包含了四个不同层级的特征提取器，以及上采样层来进行特征融合。最后通过调用`print(fpn)`函数来打印FPN网络的结构。