Depuración de modelos de red [versión PyTorch]

Pruebe si el proceso de red es fluido

if __name__ == '__main__':
    x=torch.randn(2,3,256,256)
    net=Union_Seg_1_v1()
    print(net(x).shape)

Por ejemplo, torch.randn(batch_size, canal, size[0], size[1])

tamaño_batch: la cantidad de datos ingresados ​​en una ejecución

canal: número de canales de entrada

tamaño: el tamaño de la imagen de entrada (largo y ancho)

Primero, defina el formato de datos de entrada.

Luego, define la red.

Ingrese datos en la red e imprima el formato de los datos.

Estructura de la red de impresión

from torchsummary import summary

# 需要使用device来指定网络在GPU还是CPU运行
device = torch.device('cuda:1' if torch.cuda.is_available() else 'cpu')
net=DPNet_v1()
model = net.to(device)
# input_size=(channel,size,size)
summary(model, input_size=(3,256,256))

Requiere el paquete torchsummary. pip install torchsummary o conda install -c ravelbio torchsummary