所以我一直在尝试实现本文中提出的基于CNN的分类解决方案(https://arxiv.org/pdf/1810.08923.pdf)。下面是我的代码。这是一个相当简单的实现,但我不明白为什么torchsummary会产生这样的结果。我也浏览了他们的GitHub问答,但到目前为止也没有提出这样的问题。
class CNN_Pred2D(nn.Module):
def __init__(self, n_filters=[8,8,8], debug=True):
super().__init__()
self.debug = debug
self.model = nn.Sequential(
nn.Conv2d(1, n_filters[0], kernel_size=(1,82)),
nn.ReLU(),
nn.Conv2d(n_filters[0], n_filters[0], kernel_size=(3,1)),
nn.ReLU(),
nn.MaxPool2d(kernel_size=(2,1)),
nn.Conv2d(n_filters[0], n_filters[1], kernel_size=(3,1)),
nn.ReLU(),
nn.MaxPool2d(kernel_size=(2,1)),
nn.Flatten(),
nn.Linear(104,1),
nn.Sigmoid()
)
def forward(self, X):
out = self.model(X)
# print(out.shape)
return out
model = CNN_Pred2D().to(device)
summary(model, [(1, 60,82)])
下面是它的输出:
1条答案
按热度按时间iq0todco1#
您可以尝试使用torchinfo代替torchsummary。