一维SE层pytorch代码改变通道数

一维SE层是一种常用的网络模块，可以用于增强模型的特征表示能力。如果要改变一维SE层的通道数，可以通过修改其中的Dense层的输入和输出通道数来实现。以下是一维SE层的PyTorch代码示例，假设原始的输入通道数为in_channels，需要将其改变为out_channels：

import torch
import torch.nn as nn

class SEBlock(nn.Module):
    def __init__(self, in_channels, out_channels):
        super(SEBlock, self).__init__()
        self.avg_pool = nn.AdaptiveAvgPool1d(1)
        self.fc1 = nn.Linear(in_channels, out_channels)
        self.fc2 = nn.Linear(out_channels, in_channels)
        self.sigmoid = nn.Sigmoid()
    
    def forward(self, x):
        b, c, _ = x.size()
        y = self.avg_pool(x).view(b, c)
        y = self.fc1(y)
        y = self.fc2(y)
        y = self.sigmoid(y).view(b, c, 1)
        return x * y.expand_as(x)

在这个代码中，我们定义了一个SEBlock模块，其中包含一个AdaptiveAvgPool1d层、两个全连接层以及一个Sigmoid激活函数。在初始化函数中，我们传入了in_channels和out_channels两个参数，这两个参数分别表示原始输入数据的通道数和需要改变为的输出通道数。在forward函数中，我们将输入数据进行平均池化操作，然后分别经过两个全连接层，并使用Sigmoid激活函数进行处理。最后，我们将得到的特征向量与原始的输入数据相乘，得到新的特征表示。如果需要改变通道数，只需要修改fc1和fc2的输入和输出通道数即可。