densnet pytorch

DenseNet是一种使用PyTorch实现的深度学习网络，用于回归任务。它的输入是一个不定长的数据，维度为（N，21），其中N为样本数量，输出为（N,1），对应N个值。DenseNet具有以下优点：减轻梯度消失，提高特征的传播效率，提高特征的利用效率，并减小网络的参数量。在DenseNet中，两个相邻的Dense Block之间的部分被称为Transition层，其中包括BN（Batch Normalization），ReLU（激活函数），1x1卷积和2x2平均池化操作。1x1卷积的作用是降维，起到压缩模型的作用，而平均池化操作则是降低特征图的尺寸。