【pointpillar改进2】——可变层卷积Conv2可以随意调节1*1卷集的数量即网络的深浅，即插即用

1.介绍

博客hyshhh：重构pointpillar（PCDet）中神经网络部分的代码逻辑中我对pointpillar网络进行了重构，其中因为源代码中定义多层11卷集时用了多层循环网络，外层循环定义33卷集网络，内层循环定义1*1卷集模块。在可观性和实用性有所欠缺。

因此提出了一种可变层卷集，加了一个层数参数以调节1*1层，代码见附录

2.使用方法

在定义模块时定义卷集层

 

在网络定义函数引入实例化

 

在前向传播中使用

 

3.附录

class ConvModule2(nn.Module):          #可变层卷集
    def __init__(self, in_channels, out_channels, kernel_size=3, stride=2, padding=0, use_bn=True, use_relu=True, num_1x1_layers=0):
        super(ConvModule2, self).__init__()
        layers = []
        # 添加 3x3 卷积层
        layers.append(nn.ZeroPad2d(1))
        layers.append(nn.Conv2d(in_channels, out_channels, kernel_size, stride, padding=0, bias=not use_bn))
        if use_bn:
            layers.append(nn.BatchNorm2d(out_channels, eps=1e-3, momentum=0.01))
        if use_relu:
            layers.append(nn.ReLU(inplace=True))
        in_channels = out_channels  # 保证下一层输入通道匹配
        # 添加 1x1 卷积层
        for _ in range(num_1x1_layers):
            layers.append(nn.Conv2d(in_channels, out_channels, kernel_size=3, stride=1, padding=1, bias=not use_bn))
            if use_bn:
                layers.append(nn.BatchNorm2d(out_channels, eps=1e-3, momentum=0.01))
            if use_relu:
                layers.append(nn.ReLU(inplace=True))
            in_channels = out_channels
        self.conv = nn.Sequential(*layers)