深度学习模块缝合

目录

• 在模块里面加
• 在两个模块之间加+3维到4维
• 在模块之前加+2维到4维
  举例
  

想在vision_transformer里面加SENet

1.在model文件下新建一个python文件
2.把 模块文件里的整个SENet代码复制到新的python文件中

3.在开头导入 from model.SENet(新建文件名） import SELayer（新建文件中的类名）
4.在后面对SENet实例化
senet(自己定的命名）=SELayer( 类名)（channel=3）
//输入通道数 ，通道数填什么后面会说
注意：缝合模块，要注意通道数

5.找到要改的这个类 class VisionTransformer(nn.Module):
6.找到其中的 def forward(self, x):
7.输出之前的形状
print(f"之前前前的形状为{x.shape}“）# ([32,3,224,224])
8.运行 train代码输出之前的形状

9.把输出的形状大小做注释，写在print(f"之前前前的形状为{x.shape}”）的后面
10.在 class VisionTransformer(nn.Module): 初始化里面找到def init，在最后面加上
self.senet=senet

11.找到后面的 forward部分

x= self.senet(x)//对上x的通道数即可，由上面的【32，3，224，224】可知，通道数=3    
x=self.forward_features(x)//特征提取

12. 返回文件开头，填写channel=3

senet(自己定的命名）=SELayer( 类名)（channel=3）

13.保存代码，开始运行trian代码

加在Patch Embedding之后，进入 Transformer Blocks之前:（三维转四维）

1.先找到 class VisionTransformer(nn.Module):
中的 def forward_features(self, x):
x = self.pos_drop(x + self.pos_embed)
//pos_embed模块使用的地方，如果找不到问ai

2.找到Transformer Blocks

3.在两者中间加SENet，先打印x的形状

#1.打印x的形状
print(x.shape)# torch.Size([32,197,768])
#2.设置参数放对应的值
B, N,D = x.shape # 32, 197,768  
# 3.将class token移除以匹配网格形状
patches = x[:, 1:, :] #去掉 cls token,形状变为[B,196,D]
# 假设D=C，即嵌入维度作为通道数
#4.将每个patch嵌入变成适合SENet的形状[B，C，H,W]，在这里我们假设H=W=14
patch_size = int(math.sqrt(N - 1)) # 196 -> sqrt(196) = 14，即切片大小
x = patches.view(B, patch_size, patch_size, D).permute(0, 3, 1, 2) # [B, 196, D] -> [B, C=D, H=14, W=14] c=d=768，  primute里面的0，表示第一个B不变位置，3对应原本的D-》D放第二个位置，原本1位和2位的patch_size, patch_size 都后移一位# 注意：这里的C=D=768-》channel=768#5.重新输入调整
x_senet = senet(x) # [B, C, H, W] -> [B, C, H, W]#6.将SENet的输出重新调整为原始的维度
x_senet = x_senet.permute(0, 2, 3, 1).view(B, patch_size * patch_size, D) # permute后的结果：[B, H,w,c] -> [B, 196, D]
# 7.重新添加 cls token
cls_token = self.cls_token.expand(B, -1, -1) # [B, 1, D]
x = torch.cat((cls_token, x_senet), dim=1) # [B, 1, D] + [B, 196, D] -> [B, 197, D]

4.在class VisionTransformer(nn.Module):的init里面对senet示例化

self.senet=senet

5.注意到channel=768，把开头import后面的channel改为768

加到MLP Head之前（二维转4维）

1.找到要改的这个类 class VisionTransformer(nn.Module): ，找到其中的 def forward(self, x):
找到MLPHead应用的地方

2.在前面 print(x.shape)->运行train代码
3.

if x.shape[o]!=32: #如果第一个不是,32passpass
else:x = x.view(32, 3, 16, 16) # [batch_size, channels, height, width] 把768化为3*16*16，编成4维的#注意这里的channel=3x = senet(x)# 32,3,16,16 进入SENetx= x.view(32,-1) # -1表示默认计算后面3个的维度，即3*16*16，-1也可以写768 
#结束
print(x.shape)

4.在代码前面加

from module.SENet import SELayer
senet = SELayer(channel=3)