window 学习pytorch unet代码之self.inc = DoubleConv(n_channels, 64)

最新推荐文章于 2024-11-09 19:17:54 发布

guyuezunting

最新推荐文章于 2024-11-09 19:17:54 发布

阅读量4.9k

点赞数 8

分类专栏： unet 文章标签： pytorch

本文链接：https://blog.youkuaiyun.com/guyuezunting/article/details/107299582

版权

unet 专栏收录该内容

6 篇文章

订阅专栏

本文详细解析了PyTorch实现的UNet网络中DoubleConv模块的工作原理。该模块通过两次卷积、批归一化及ReLU激活函数，实现从输入通道到输出通道的转换，为网络学习提供基础的特征提取能力。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

self.inc = DoubleConv(n_channels, 64)

可以猜测，channels是输入channel，64是要输出的channel

看看DoubleConv函数的具体实现

class DoubleConv(nn.Module):
    """(convolution => [BN] => ReLU) * 2"""

    def __init__(self, in_channels, out_channels, mid_channels=None):
        super().__init__()
        if not mid_channels:
            mid_channels = out_channels
        self.double_conv = nn.Sequential(
            nn.Conv2d(in_channels, mid_channels, kernel_size=3, padding=1),
            nn.BatchNorm2d(mid_channels),
            nn.ReLU(inplace=True),
            nn.Conv2d(mid_channels, out_channels, kernel_size=3, padding=1),
            nn.BatchNorm2d(out_channels),
            nn.ReLU(inplace=True)
        )

可以看到DoubleConv也是nn.Module的子类windows pytorch Unet网络实现二，网络学习的前两层卷积，就在这里实现了。第一~二句mid_channels=none因此mid_channels就是out_channels=64.

第三句将这两层卷积打包进nn.Sequential(有点像tensorflow中的operation可以将各个tensor放进去一样)。既可以放卷阶层，也可以以dic的形式存放。

第四~九句构建了两层网络，第一层输入3channel，输出64channe第二层输入64channel输出64channel，其中激活函数选择了ReLU，比较流行的激活函数。在conv2d和ReLU中间是nn.BatchNorm2d从字面意思理解是归一化操作。