#python #pytorch #conv-neural-network #dropout
Вопрос:
В своем исследовании я использую предварительно обученные модели VGG PyTorch для классификации набора данных ImageNet.
Дело в том, что после каждого слоя слоев conv модели VGG19bn мне нужно добавить nn.Dropout2d
слой. Но я не мог понять, как это сделать.
Не могли бы вы помочь мне включить dropout2d
слой для предварительно vgg19bn
подготовленной модели библиотеки PyTorch?
Я вставляю приведенный ниже код, чтобы лучше выразить свою потребность. После каждого Conv2d
, BatchNorm2d
, ReLU
слоев, я также хочу добавить nn.Dropout2d()
слой. Я проведу несколько экспериментов по выборке отсева MC, включив отсев во время прогнозирования.
cfg = {
'A': [64, 'M', 128, 'M', 256, 256, 'M', 512, 512, 'M', 512, 512, 'M'],
'B': [64, 64, 'M', 128, 128, 'M', 256, 256, 'M', 512, 512, 'M', 512, 512, 'M'],
'D': [64, 64, 'M', 128, 128, 'M', 256, 256, 256, 'M', 512, 512, 512, 'M', 512, 512, 512, 'M'],
'E': [64, 64, 'M', 128, 128, 'M', 256, 256, 256, 256, 'M', 512, 512, 512, 512, 'M',
512, 512, 512, 512, 'M'],}
def make_layers(cfg, batch_norm=False):
layers = []
in_channels = 3
for v in cfg:
if v == 'M':
layers = [nn.MaxPool2d(kernel_size=2, stride=2)]
else:
conv2d = nn.Conv2d(in_channels, v, kernel_size=3, padding=1)
if batch_norm:
layers = [conv2d, nn.BatchNorm2d(v), nn.ReLU(inplace=True), nn.Dropout2d()]
#layers = [conv2d, nn.BatchNorm2d(v), nn.ReLU(inplace=True)]
else:
layers = [conv2d, nn.ReLU(inplace=True), nn.Dropout2d()]
#layers = [conv2d, nn.ReLU(inplace=True)]
in_channels = v
return nn.Sequential(*layers)
class VGG(nn.Module):
'''
VGG model
'''
def __init__(self, features):
super(VGG, self).__init__()
self.features = features
self.classifier = nn.Sequential(
nn.Dropout(),
nn.Linear(512, 512),
nn.ReLU(True),
nn.Dropout(),
nn.Linear(512, 512),
nn.ReLU(True),
nn.Linear(512, 10),
)
# Initialize weights
for m in self.modules():
if isinstance(m, nn.Conv2d):
n = m.kernel_size[0] * m.kernel_size[1] * m.out_channels
m.weight.data.normal_(0, math.sqrt(2. / n))
m.bias.data.zero_()
def forward(self, x):
x = self.features(x)
x = x.view(x.size(0), -1)
x = self.classifier(x)
return x
Использовать предварительно подготовленную модель в Pytorch так же просто, как показано ниже:
model_cnn = models.vgg19_bn(pretrained=True)
Но после загрузки предварительно подготовленной модели, как я могу изменить ее, чтобы включить отсев в conv. слои?