Closed nnniuzy closed 4 years ago
bug描述 DenseNet中稠密连接的实现方式
版本信息 pytorch: torchvision: torchtext: ...
def forward(self, X): for blk in self.net: Y = blk(X) X = torch.cat((X, Y), dim=1) # 在通道维上将输入和输出连结 return X
下面是torch官方的实现方法,我觉得这两者有些区别,下放这个更像是直观的稠密连接,features中的数值没有变过,书中的代码好像X的值一直在改变。(还是说,我理解错了)
def forward(self,X): features = [X] for blk in self.net: Y = blk(torch.cat(features, dim=1)) features.append(Y) return features
我认为本质没啥区别,最终返回结果都是[X1,X2,X3,...],其中Xn = blk([X1,X2,...,X(n-1)])
[X1,X2,X3,...]
Xn = blk([X1,X2,...,X(n-1)])
好吧,我想了一下,的确是我一开始考虑错了[捂脸],多谢回复
bug描述 DenseNet中稠密连接的实现方式
版本信息 pytorch: torchvision: torchtext: ...
下面是torch官方的实现方法,我觉得这两者有些区别,下放这个更像是直观的稠密连接,features中的数值没有变过,书中的代码好像X的值一直在改变。(还是说,我理解错了)