在做卷积的时候,想知道神经网络中,每一个卷积之后的特征图尺寸。
使用torchsummary就可以:使用torchsummary进行查看。
确定自己的网络decoder。
在summary的参数,输入特征size不需要有batch。我输入的尺寸为(C, T, H, W).
import torch.nn as nn
from torchsummary import summary
decoder = nn.Sequential(
nn.ConvTranspose3d(
feature_num_x2,
feature_num, (3, 3, 3),
stride=(2, 2, 2),
padding=(1, 1, 1),
output_padding=(1, 1, 1)),
nn.BatchNorm3d(feature_num),
nn.LeakyReLU(0.2, inplace=True),
nn.ConvTranspose3d(
feature_num,
feature_num_2, (3, 3, 3),
stride=(2, 2, 2),
padding=(1, 1, 1),
output_padding=(1, 1, 1))
)
summary(decoder,(256, 2, 8, 8),batch_size=1,device="cpu")
输出结果中,可以清晰地看出每一层的计算结果,特征图尺寸
参考:(28条消息) pytorch输出网络每层的参数和维度信息_修炼之路的博客-CSDN博客_输出网络参数https://xiulian.blog.csdn.net/article/details/112701029?spm=1001.2101.3001.6650.5&utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7ECTRLIST%7ERate-5.pc_relevant_default&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2%7Edefault%7ECTRLIST%7ERate-5.pc_relevant_default&utm_relevant_index=10