在pytorch中计算CNN感受野大小。支持2D CNN和3D CNN。
<img src="https://yellow-cdn.veclightyear.com/0a4dffa0/10e3a4fe-8fba-4b17-9faf-f28dcb1eaae6.gif" width="299" height="224" /># pip install git+https://github.com/Fangyh09/pytorch-receptive-field.git from torch_receptive_field import receptive_field from torch_receptive_field import receptive_field_visualization_2d receptive_field_dict = receptive_field(model, (3, 256, 256)) image_path = "./examples/example.jpg" output_path_without_extension = "./examples/example_receptive_field_2d" receptive_field_visualization_2d(receptive_field_dict, image_path, output_path_without_extension)
pip install git+https://github.com/Fangyh09/pytorch-receptive-field.git
from torch_receptive_field import receptive_field receptive_field(model, input_size=(channels, H, W))
或者
from torch_receptive_field import receptive_field dict = receptive_field(model, input_size=(channels, H, W)) receptive_field_for_unit(receptive_field_dict, "2", (2,2))
import torch import torch.nn as nn import torch.nn.functional as F from torch_receptive_field import receptive_field class Net(nn.Module): def __init__(self): super(Net, self).__init__() self.conv = nn.Conv2d(3, 64, kernel_size=7, stride=2, padding=3, bias=False) self.bn = nn.BatchNorm2d(64) self.relu = nn.ReLU(inplace=True) self.maxpool = nn.MaxPool2d(kernel_size=3, stride=2, padding=1) self.avgpool = nn.AvgPool2d(kernel_size=3, stride=2, padding=1) def forward(self, x): y = self.conv(x) y = self.bn(y) y = self.relu(y) y = self.maxpool(y) y = self.avgpool(y) return y device = torch.device("cuda" if torch.cuda.is_available() else "cpu") # PyTorch v0.4.0 model = Net().to(device) receptive_field_dict = receptive_field(model, (3, 256, 256)) receptive_field_for_unit(receptive_field_dict, "2", (1,1))
------------------------------------------------------------------------------
层 (类型) 特征图大小 起始点 步长 感受野
==============================================================================
0 [256, 256] 0.5 1.0 1.0
1 [128, 128] 0.5 2.0 7.0
2 [128, 128] 0.5 2.0 7.0
3 [128, 128] 0.5 2.0 7.0
4 [64, 64] 0.5 4.0 11.0
5 [32, 32] 0.5 8.0 19.0
==============================================================================
第2层,单元位置(1, 1)的感受野大小为
[(0, 6.0), (0, 6.0)]
起始点
是特征图网格中第一个项的中心。
步长
是特征图网格中相邻项之间的距离。
感受野
是特征图网格中项的视野大小。
import torch import torch.nn as nn import torch.nn.functional as F from torch_receptive_field import receptive_field class Net3D(nn.Module): def __init__(self): super(Net3D, self).__init__() self.conv = nn.Conv3d(3, 6, kernel_size=3, stride=1, padding=1, bias=False) self.bn = nn.BatchNorm3d(6) self.relu = nn.ReLU(inplace=True) self.maxpool = nn.MaxPool3d(kernel_size=2, stride=2, padding=1) def forward(self, x): y = self.conv(x) y = self.bn(y) y = self.relu(y) y = self.maxpool(y) return y device = torch.device("cuda" if torch.cuda.is_available() else "cpu") # PyTorch v0.4.0 model = Net().to(device) receptive_field_dict = receptive_field(model, (3, 16, 16, 16)) receptive_field_for_unit(receptive_field_dict, "2", (1,1,1))
------------------------------------------------------------------------------
层 (类型) 特征图大小 起始点 步长 感受野
==============================================================================
0 [16, 16, 16] 0.5 1.0 1.0
1 [16, 16, 16] 0.5 1.0 3.0
2 [16, 16, 16] 0.5 1.0 3.0
3 [16, 16, 16] 0.5 1.0 3.0
4 [9, 9, 9] 0.0 2.0 4.0
==============================================================================
第2层,单元位置(1, 1, 1)的感受野大小为
[(0, 3.0), (0, 3.0), (0, 3.0)]
感谢 @pytorch-summary
AI数字人视频创作平台
Keevx 一款开箱即用的AI数字人视频创作平台,广泛适用于电商广告、企业培训与社媒宣传,让全球企业与个人创作者无需拍摄剪辑,就能快速生成多语言、高质量的专业视频。
一站式AI创作平台
提供 AI 驱动的图片、视频生成及数字人等功能,助力创意创作
AI办公助手,复杂任务高效处理
AI办公助手,复杂任务高效处理。办公效率低?扣子空间AI助手支持播客生成、PPT制作、网页开发及报告写作,覆盖科研、商业、舆情等领域的专家Agent 7x24小时响应,生活工作无缝切换,提升50%效率!
AI辅助编程,代码自动修复
Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。
AI小说写作助手,一站式润色、改写、扩写
蛙蛙写作—国内先进的AI写作平台,涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能,助力创作者高效优化写作流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。
全能AI智能助手,随时解答生活与工作的多样问题
问小白,由元石科技研发的AI智能助手,快速准确地解答各种生活和工作问题,包括但不限于搜索、规划和社交互动,帮助用户在日常生活中提高效率,轻松管理个人事务。
实时语音翻译/同声传译工具
Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手,它拥有超精准的音频识别翻译能力,几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球,无论你是留学生、商务人士、韩剧美剧爱好者,还是出国游玩、多国会议、跨国追星等等,都可以满足你所有需要同传的场景需求,线上线下通用,扫除语言障碍,让全世界的语言交流不再有国界。
一键生成PPT和Word,让学习生活更轻松
讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实 习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。
深度推理能力全新升级,全面对标OpenAI o1
科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。
一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型
Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号