怎么理解这里面的act属性def __init__(self, kernel_size, in_size, expand_size, out_size, act, se, stride): super(Block, self).__init__() self.stride = stride self.conv1 = nn.Conv2d(in_size, expand_size, kernel_size=1, bias=False) self.bn1 = nn.BatchNorm2d(expand_size) self.act1 = act(inplace=True) self.conv2 = nn.Conv2d(expand_size, expand_size, kernel_size=kernel_size, stride=stride, padding=kernel_size//2, groups=expand_size, bias=False) self.bn2 = nn.BatchNorm2d(expand_size) self.act2 = act(inplace=True) self.se = SeModule(expand_size) if se else nn.Identity() self.conv3 = nn.Conv2d(expand_size, out_size, kernel_size=1, bias=False) self.bn3 = nn.BatchNorm2d(out_size) self.act3 = act(inplace=True) self.skip = None

在这段代码中，`act` 是一个表示激活函数的参数。激活函数在神经网络中起到非线性映射的作用，通常会被应用在卷积层或全连接层的输出上，以引入非线性特性。

这段代码中，`act` 被传递给 `self.act1`、`self.act2` 和 `self.act3` 这三个地方作为激活函数。这些激活函数会在相应的卷积层后面应用，并通过 `inplace=True` 参数设置为原地操作，即在原始对象上进行修改。

通过在每个卷积层后面应用激活函数，可以引入非线性特性，增加模型的表达能力。同时，将 `act(inplace=True)` 设置为原地操作可以节省内存空间，避免创建新的副本。