Как изменение формы работает до полностью связанного слоя в следующей модели CNN? - PullRequest
Новая
       46

Как изменение формы работает до полностью связанного слоя в следующей модели CNN?

0 голосов
/ 22 сентября 2018

Рассмотрим сверточную нейронную сеть (два сверточных слоя): 

class ConvNet(nn.Module):
    def __init__(self, num_classes=10):
        super(ConvNet, self).__init__()
        self.layer1 = nn.Sequential(
            nn.Conv2d(1, 16, kernel_size=5, stride=1, padding=2),
            nn.BatchNorm2d(16),
            nn.ReLU(),
            nn.MaxPool2d(kernel_size=2, stride=2))
        self.layer2 = nn.Sequential(
            nn.Conv2d(16, 32, kernel_size=5, stride=1, padding=2),
            nn.BatchNorm2d(32),
            nn.ReLU(),
            nn.MaxPool2d(kernel_size=2, stride=2))
        self.fc = nn.Linear(7*7*32, num_classes)

    def forward(self, x):
        out = self.layer1(x)
        out = self.layer2(out)
        out = out.reshape(out.size(0), -1)
        out = self.fc(out)
        return out

Полностью подключенный слой fc должен иметь 7*7*32 входных входов. Выше:

out = out.reshape(out.size(0), -1) приводит к тензору размером (32, 49).Это не кажется правильным, так как размеры ввода для плотного слоя отличаются.Что мне здесь не хватает?

[Обратите внимание, что в Pytorch ввод имеет следующий формат: [N, C, W, H], поэтому нет.каналов предшествует ширине и высоте изображения]

источник : https://github.com/yunjey/pytorch-tutorial/blob/master/tutorials/02-intermediate/convolutional_neural_network/main.py#L35-L56

1 Ответ

0 голосов
/ 22 сентября 2018

Если вы посмотрите на вывод каждого слоя, вы легко поймете, чего вам не хватает.

def forward(self, x):
    print ('input', x.size())
    out = self.layer1(x)
    print ('layer1-output', out.size())
    out = self.layer2(out)
    print ('layer2-output', out.size())
    out = out.reshape(out.size(0), -1)
    print ('reshape-output', out.size())
    out = self.fc(out)
    print ('Model-output', out.size())
    return out

test_input = torch.rand(4,1,28,28)
model(test_input)

OUTPUT:

('input', (4, 1, 28, 28))   
('layer1-output', (4, 16, 14, 14))  
('layer2-output', (4, 32, 7, 7))  
('reshape-output', (4, 1568))  
('Model-output', (4, 10))

Слой Conv2d не меняет высоту и ширину тензора.только изменяет канал тензора из-за шага и отступов.Слой MaxPool2d делит пополам высоту и ширину тензора.

inpt    = 4,1,28,28  
conv1_output = 4,16,28,28  
max_output   = 4,16,14,14  
conv2_output = 4,32,14,14  
max2_output  = 4,32,7,7  
reshapeutput = 4,1585 (32*7*7)  
fcn_output   = 4,10
...