深度可分离卷积pytorch代码

原创已于 2022-04-08 20:41:12 修改 · 3.5k 阅读

35 ·

CC 4.0 BY-SA版权

文章标签：

#人体体态估计 #深度学习

于 2021-03-30 22:11:04 首次发布

pytorch 专栏收录该内容

97 篇文章

订阅专栏

该博客介绍了如何使用PyTorch构建一个名为优快云_Tem的神经网络模块，该模块包含深度卷积和点卷积两部分。通过`nn.Conv2d`定义了两个卷积层，分别用于不同功能。在前向传播函数中，首先应用深度卷积，然后通过点卷积得到输出。博客还展示了如何打印网络结构并使用`torchsummary`库进行模型概览。

部署运行你感兴趣的模型镜像

import torch
import torch.nn as nn
import torch
from torchsummary import summary
# from tensorboardX import summary
class 优快云_Tem(nn.Module):
    def __init__(self, in_ch, out_ch):
        super(优快云_Tem, self).__init__()
        self.depth_conv = nn.Conv2d(
            in_channels=in_ch,
            out_channels=in_ch,
            kernel_size=3,
            stride=1,
            padding=1,
            groups=in_ch
        )
        self.point_conv = nn.Conv2d(
            in_channels=in_ch,
            out_channels=out_ch,
            kernel_size=1,
            stride=1,
            padding=0,
            groups=1
        )

    def forward(self, input):
        out = self.depth_conv(input)
        out = self.point_conv(out)
        return out


conv = 优快云_Tem(16,64)
print(conv.depth_conv)
print(summary(conv,(16,1))

您可能感兴趣的与本文相关的镜像