class Net(nn.Module): def __init__(self,): super().__init__() conv_dim=64 encoder_dim = [conv_dim] + [64, 128, 256, 512 ] self.encoder = resnet34d(pretrained=False,in_chans=CFG.one_depth) self.decoder = SmpUnetDecoder( encoder_channels=[0] + encoder_dim, decoder_channels=[256, 128, 64, 32, 16], n_blocks=5, use_batchnorm=True, center=False, attention_type=None, ) self.logit = nn.Conv2d(16,1,kernel_size=1) #-- pool attention weight self.weight = nn.ModuleList([ nn.Sequential( nn.Conv2d(dim, dim, kernel_size=3, padding=1), nn.ReLU(inplace=True), ) for dim in encoder_dim ])
时间: 2023-06-18 20:07:25 浏览: 221
Pytorch实现GoogLeNet的方法
这是一个 PyTorch 中的神经网络模型类定义,包含了一个卷积编码器和一个 SmpUnet 解码器。其中,卷积编码器使用了 resnet34d 预训练模型,解码器的输入通道数为 [0] + encoder_dim,输出通道数为 [256, 128, 64, 32, 16],使用了 5 个块,每个块中都包含了一个卷积层和一个 ReLU 激活函数。最终输出的 logit 是一个 1x1 的卷积层,输出通道数为 1。此外,还定义了一个 ModuleList,其中包含了多个卷积层,用于计算权重。
阅读全文