SqueezeExcitation

class torchvision.ops.SqueezeExcitation(input_channels: int, squeeze_channels: int, activation: ~typing.Callable[[...], ~torch.nn.modules.module.Module] = <class 'torch.nn.modules.activation.ReLU'>, scale_activation: ~typing.Callable[[...], ~torch.nn.modules.module.Module] = <class 'torch.nn.modules.activation.Sigmoid'>)

此块实现了来自 https://arxiv.org/abs/1709.01507 的 Squeeze-and-Excitation 块（参见图 1）。参数 activation 和 scale_activation 对应于公式 3 中的 delta 和 sigma。

参数:

• input_channels (int) – 输入图像中的通道数

• squeeze_channels (int) – 压缩通道数

• activation (Callable[..., torch.nn.Module], optional) – delta 激活。默认为 torch.nn.ReLU

• scale_activation (Callable[..., torch.nn.Module]) – sigma 激活。默认为 torch.nn.Sigmoid

forward(input: Tensor) → Tensor

定义每次调用时执行的计算。

所有子类都应重写此方法。

注意

虽然 forward pass 的实现需要在该函数内定义，但由于前者负责运行注册的钩子，而后者会默默忽略它们，因此应该在之后调用 Module 实例，而不是这个函数。