14、时空注意力ConvLSTM网络：原理、实现与训练测试

时空注意力ConvLSTM网络：原理、实现与训练测试

1. 引言

在深度学习领域，卷积长短期记忆网络（ConvLSTM）在处理时空序列数据方面表现出色。本文将详细介绍不同类型的ConvLSTM网络，包括非注意力ConvLSTM、CSA - ConvLSTM、SCA - ConvLSTM，以及编码器 - 解码器模块，同时还会阐述模型的训练和测试过程。

2. 相关模块介绍

2.1 通道注意力缩放

scale = torch.sigmoid(channel_att_sum ).unsqueeze(2).unsqueeze(3).expand_as(x)
return x * scale

这段代码实现了通道注意力的缩放操作，通过对通道注意力求和结果应用sigmoid函数，然后扩展维度使其与输入 x 形状一致，最后与输入 x 相乘，以调整输入特征的重要性。

2.2 空间门模块

class SpatialGate(nn.Module):
    def __init__(self, in_channels, num_features, kernel_size, padding, stride, bn=True, bias=False):
        super().__init__()
        self.spatial = BasicConv(in_channels, num_feature