时间戳

首页 > 解决方案 > 顺序模型中的pytorch跳过连接

python - 顺序模型中的pytorch跳过连接

问题描述

我正试图围绕顺序模型中的跳过连接。使用功能性 API，我将做一些简单的事情（快速示例，可能不是 100% 语法正确，但应该明白）：

x1 = self.conv1(inp)
x = self.conv2(x)
x = self.conv3(x)
x = self.conv4(x)

x = self.deconv4(x)
x = self.deconv3(x)
x = self.deconv2(x)
x = torch.cat((x, x1), 1))
x = self.deconv1(x)

我现在正在使用顺序模型并尝试做类似的事情，创建一个跳过连接，将第一个 conv 层的激活一直带到最后一个 convTranspose。我查看了这里实现的 U-net 架构，这有点令人困惑，它做了这样的事情：

upconv = nn.ConvTranspose2d(inner_nc * 2, outer_nc,
                                    kernel_size=4, stride=2,
                                    padding=1, bias=use_bias)
down = [downrelu, downconv, downnorm]
up = [uprelu, upconv, upnorm]

if use_dropout:
    model = down + [submodule] + up + [nn.Dropout(0.5)]
else:
    model = down + [submodule] + up

这不只是将层添加到顺序模型中吗？down后面是conv submodule（递归添加内层），然后连接到up哪个是upconv层。我可能遗漏了有关SequentialAPI 工作原理的重要信息，但是从 U-NET 截取的代码实际上是如何实现跳过的？

标签： pythondeep-learningconv-neural-networkpytorchsequential

解决方案

您的观察是正确的，但您可能错过了UnetSkipConnectionBlock.forward()(UnetSkipConnectionBlock作为Module您共享的 U-Net 块的定义) 的定义，这可能会澄清此实现：

（来自pytorch-CycleGAN-and-pix2pix/models/networks.py#L259） 

# Defines the submodule with skip connection.
# X -------------------identity---------------------- X
#   |-- downsampling -- |submodule| -- upsampling --|
class UnetSkipConnectionBlock(nn.Module):

    # ...

    def forward(self, x):
        if self.outermost:
            return self.model(x)
        else:
            return torch.cat([x, self.model(x)], 1)

最后一行是键（适用于所有内部块）。跳过层只是通过连接 inputx和（递归）块 outputself.model(x)以及您提到的操作列表来完成 - 因此与您编写self.model的代码没有太大区别。Functional

推荐阅读