通过顺序容器构建的 PyTorch 扁平化层

Question

我正在尝试通过 PyTorch 的顺序容器构建一个 cnn，我的问题是我不知道如何展平该层。

main = nn.Sequential()
self._conv_block(main, 'conv_0', 3, 6, 5)
main.add_module('max_pool_0_2_2', nn.MaxPool2d(2,2))
self._conv_block(main, 'conv_1', 6, 16, 3)
main.add_module('max_pool_1_2_2', nn.MaxPool2d(2,2)) 
main.add_module('flatten', make_it_flatten)

我应该在 "make_it_flatten" 中输入什么？我试图压平主要但它不起作用，主要不存在调用视图

main = main.view(-1, 16*3*3)

Answer 1

这可能不是您要找的东西，但您可以简单地创建自己的 nn.Module 来展平任何输入，然后您可以将其添加到 nn.Sequential() 对象：

class Flatten(nn.Module):
    def forward(self, x):
        return x.view(x.size()[0], -1)

x.size()[0] 将 select 批量暗淡，-1 将计算所有剩余的暗淡以适应元素的数量，从而展平任何 tensor/Variable。

并在 nn.Sequential 中使用它：

main = nn.Sequential()
self._conv_block(main, 'conv_0', 3, 6, 5)
main.add_module('max_pool_0_2_2', nn.MaxPool2d(2,2))
self._conv_block(main, 'conv_1', 6, 16, 3)
main.add_module('max_pool_1_2_2', nn.MaxPool2d(2,2)) 
main.add_module('flatten', Flatten())

Answer 2

扁平化层的最快方法不是创建新模块而是通过 main.add_module('flatten', Flatten()).

将该模块添加到主模块

class Flatten(nn.Module):
    def forward(self, input):
        return input.view(input.size(0), -1)

相反，正如我在 .

中展示的那样，您模型 forward 中的简单 out = inp.reshape(inp.size(0), -1) 速度更快

通过顺序容器构建的 PyTorch 扁平化层

Flatten layer of PyTorch build by sequential container

python

conv-neural-network

pytorch