介绍 stage =,[[3,, 3,, 3,, 1,, 1],,[7, 7日,7日,7日,7日,,1,,1]]
branches_cfg =,[[[128,, 128,, 128,, 512,, 38),,(128,, 128,, 128,, 512年,19]],
,,,[[128,,128,,128,,128,,128,,128,,38),,(128,,128,,128,,128,,128,,128年,19]]]
#,used for add two branches as well as adapt 用certain 阶段
def add_extra (branches_cfg,我还以为;阶段):
,“““
,only add CNN of brancdes S ,, L 拷贝stage Ti at 从而最终获得of 净
,:param in_channels:从而input channels ,,
,:param 阶段:size of 过滤器
,:param branches_cfg: channels of 形象
,返回:list of 层
,“““
in_channels =,我=,layers []
,for k 拷贝范围(len(阶段):
时间=padding 才能;阶段[k],//2
conv2d 才能=,nn.Conv2d (in_channels, branches_cfg [k], [k] kernel_size=阶段,,填充=填充)
layers 才能+=,(conv2d, nn.ReLU(原地=True)]
时间=in_channels 才能;branches_cfg [k]
以前,return 层 conf_bra_list =, []
时间=paf_bra_list []
#,param for branch 网络
in_channels =128
for 小姐:拷贝范围(all_stage):
,if 小姐:祝辞,0:
时间=branches 才能;branches_cfg [1]
时间=conv_sz 才能;阶段[1]
,其他的:
时间=branches 才能;branches_cfg [0]
conv_sz 才能;[0]=,阶段
,conf_bra_list.append (nn.Sequential (* add_extra (in_channels,分支[0],,conv_sz)))
,paf_bra_list.append (nn.Sequential (* add_extra (in_channels,分支[1],,conv_sz)))
,in_channels 185=, #,用列表
时间=self.conf_bra nn.ModuleList (conf_bra_list)
self.paf_bra =, nn.ModuleList (paf_bra_list) out_0 =, x
#,从而base 变换
for k 拷贝范围(len (self.vgg)):=,,out_0 self.vgg [k] (out_0)
#,local name 空间
name =,当地人()
时间=confs []
时间=pafs []
时间=outs []
length =, len (self.conf_bra)
for 小姐:拷贝范围(长度):
,名字(& # 39;conf_ % & # 39;, %,(小姐:+,- 1),=,self.conf_bra[我](名称[& # 39;out_ % & # 39;, %,我))
,名字(& # 39;paf_ % & # 39;, %,(小姐:+,- 1),=,self.paf_bra[我](名称[& # 39;out_ % & # 39;, %,我))
,名字(& # 39;out_ % & # 39;, %,(小姐:+,- 1),=,torch.cat([名称[& # 39;conf_ % & # 39;, %,(小姐:+,- 1),,名字(& # 39;paf_ % & # 39;, %,(小姐:+,- 1),,out_0],, 1)
,confs.append (& # 39; conf_ % & # 39;, %,(小姐:+,- 1))
,pafs.append (& # 39; paf_ % & # 39;, %,(小姐:+,- 1))
,outs.append (& # 39; out_ % & # 39;, %,(小姐:+,- 1))
这篇文章主要介绍pytorch网络层结构数组化的示例分析,文中介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们一定要看完!
最近再写openpose,它的网络结构是多阶段的网络,所以写网络的时候很想用列表的方式,但是直接使用列表不能将网络中相应的部分放入到cuda中去。
其实这个问题很简单的,使用moduleList就好了。
<强> 1我先是定义了一个函数,用来根据超参数,建立一个基础网络结构
<强> 2然后用普通列表装载他们
<强> 3再然后,使用moduleList方法,把普通列表专成pytorch下的模块
<强> 4最后,调用就好了
<强> 5顺便装了一下,使用了python局部变量命名空间,当地人name=(),其实完全使用普通列表保存变量就好了,高兴就好。
以上是“pytorch网络层结构数组化的示例分析”这篇文章的所有内容,感谢各位的阅读!希望分享的内容对大家有帮助,更多相关知识,欢迎关注行业资讯频道!
