时间戳

首页 > 解决方案 > pytorch 模型的多个分支

pytorch - pytorch 模型的多个分支

问题描述

在此处输入图像描述

嗨，我正在尝试使用 pytorch 制作这个模型。

每个输入由 20 张大小为 28 X 28 的图像组成，即图像中的 C1 ~ Cp。每个图像都进入相同结构的 CNN，但它们的输出最终被连接起来。

我目前正在努力为每个各自的 CNN 模型提供多个输入。第一个带有三个卷积层的模型中的每个模型看起来都是这样的代码，但我不太确定如何将 20 个不同的输入放入相同结构的不同模型中以最终连接起来。

        self.features = nn.Sequential(
            nn.Conv2d(1,10, kernel_size = 3, padding = 1),
            nn.ReLU(),
            nn.Conv2d(10, 14, kernel_size=3, padding=1),
            nn.ReLU(),
            nn.Conv2d(14, 18, kernel_size=3, padding=1),
            nn.ReLU(),
            nn.Flatten(),
            nn.Linear(28*28*18, 256)
        )

我已经尝试提供一个输入列表作为转发功能的输入，但它最终出现错误并且不会通过。如果有任何不清楚的地方，我将非常乐意进一步解释。

标签： pytorchconcatenationconv-neural-network

解决方案

假设每条路径都有自己的权重，可能这可以通过分组卷积来完成，尽管预融合Linear可能会造成一些麻烦。

    P = 20
    self.features = nn.Sequential(
        nn.Conv2d(1*P,10*P, kernel_size = 3, padding = 1, groups = P ),
        nn.ReLU(),
        nn.Conv2d(10*P, 14*P, kernel_size=3, padding=1, groups = P),
        nn.ReLU(),
        nn.Conv2d(14*P, 18*P, kernel_size=3, padding=1, groups = P),
        nn.ReLU(),
        nn.Conv2d(18*P, 256*P, kernel_size=28,          groups = P),  # not shure about this one
        nn.Flatten(),
        nn.Linear(256*P, 1024 )
    )

推荐阅读