Closed xyl-507 closed 3 years ago
@wofmanaf 作者您好 感谢你们的工作,收益很大。 在看代码的过程中存在疑惑,论文中说对特征层进行分组G=64 而代码中SABottleneck部分中 def __init__(self, inplanes, planes, stride=1, downsample=None, groups=1, base_width=64, dilation=1, norm_layer=None) group=1, 而width = int(planes * (base_width / 64.)) * groups 导致后续的width仍然是plane,这么一看应该没有分组啊? 不知道我的理解是否正确,恳请作者指点!谢谢
def __init__(self, inplanes, planes, stride=1, downsample=None, groups=1, base_width=64, dilation=1, norm_layer=None)
width = int(planes * (base_width / 64.)) * groups
哈哈,我明白了。在sa_layer中进行的分组。 打扰了
@wofmanaf 作者,您好: 请问一下,您在论文里讲到,使用通道混洗的意义,是整合通道间的信息。 shufflenet中使用通道混洗也是整合通道间信息,但是是因为他们使用了分组卷积,才使用的。 但是您的代码里,好像没有使用分组卷积? 期待作者的解答,谢谢!
@wofmanaf 作者您好 感谢你们的工作,收益很大。 在看代码的过程中存在疑惑,论文中说对特征层进行分组G=64 而代码中SABottleneck部分中
def __init__(self, inplanes, planes, stride=1, downsample=None, groups=1, base_width=64, dilation=1, norm_layer=None)
group=1, 而width = int(planes * (base_width / 64.)) * groups
导致后续的width仍然是plane,这么一看应该没有分组啊? 不知道我的理解是否正确,恳请作者指点!谢谢