前言:
maskrcnn benchmark中各种层都是经过处理的,比如GN层需要判断通道数和组数合不合规范、group normalization是所有通道都参于还是一部分通道参与规范化、卷基层与初始化等操作组和成统一的组件以及卷基层的类型是否是空洞卷积等等。
等到别的地方调用make_layers.py中的这些网络模型组件的时候,这里定义的卷基层、全连接层都是以一个整体出现的,包含了GN以及经过激活函数的激活层等一系列操作,调用起来更为方便,调用的时候不用在考虑详细的初始化规范化等操作。其详细代码如下:
# Copyright (c) Facebook, Inc. and its affiliates. All Rights Reserved.
"""
Miscellaneous utility functions
"""
import torch
from torch import nn
from torch.nn import functional as F
from maskrcnn_benchmark.config import cfg
from maskrcnn_benchmark.layers import Conv2d
from maskrcnn_benchmark.modeling.poolers import Pooler
# todo 根据通道数来获得group normalization的群组数
def get_group_gn(dim, dim_per_gp, num_groups):
"""get number of groups used by GroupNorm, based on number of channels."""
# 如果每一组的通道数为负数或者组的个数为负数则报错
assert dim_per_gp == -1 or num_groups == -1, \
"GroupNorm: can only specify G or C/G."
# 如果存在每组通道数,则通过总通道数和每组通道数来确定组数
if