seblock pytorch代码

以下是一个简单的 SEBlock 的 PyTorch 代码实现：

import torch.nn as nn
import torch.nn.functional as F

class SEBlock(nn.Module):
    def __init__(self, in_channels, reduction_ratio=16):
        super(SEBlock, self).__init__()
        self.avg_pool = nn.AdaptiveAvgPool2d(1)
        self.fc1 = nn.Linear(in_channels, in_channels // reduction_ratio)
        self.fc2 = nn.Linear(in_channels // reduction_ratio, in_channels)
        
    def forward(self, x):
        b, c, _, _ = x.size()
        y = self.avg_pool(x).view(b, c)
        y = F.relu(self.fc1(y))
        y = self.fc2(y).sigmoid().view(b, c, 1, 1)
        return x * y

在这个实现中，我们定义了一个 `SEBlock` 类，其中包括一个自适应平均池化层、一个全连接层和一个 sigmoid 函数。在 `forward` 方法中，我们首先对输入进行自适应平均池化，然后通过全连接层进行特征压缩，并使用 sigmoid 函数将其缩放到 0 到 1 之间的范围内。最后，我们将输入乘以缩放因子，以使其注意力更加集中。