Построение U-Net: определение слоёв
В этом и следующем упражнении вы построите архитектуру U-Net с нуля. Начнём с определения метода __init__(), в котором задаются слои и блоки слоёв модели.
Кодировщик и транспонированные свёрточные слои уже определены за вас. Осталось задать свёрточные блоки декодера. Для каждого из них необходимо указать правильное количество входных и выходных каналов с учётом skip-соединений.
Первый блок, dec1, принимает на вход конкатенацию выхода upconv3 и выхода enc3. Выход dec1, в свою очередь, должен совпадать с выходом enc3. Заполните все недостающие размеры входов и выходов.
Это упражнение является частью курса
Глубокое обучение для работы с изображениями на PyTorch
Инструкции к упражнению
- Определите три свёрточных блока в декодере, указав для каждого из них правильное количество входных и выходных каналов.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
class UNet(nn.Module):
def __init__(self, in_channels, out_channels):
super(UNet, self).__init__()
self.enc1 = self.conv_block(in_channels, 64)
self.enc2 = self.conv_block(64, 128)
self.enc3 = self.conv_block(128, 256)
self.enc4 = self.conv_block(256, 512)
self.pool = nn.MaxPool2d(kernel_size=2, stride=2)
self.upconv3 = nn.ConvTranspose2d(512, 256, kernel_size=2, stride=2)
self.upconv2 = nn.ConvTranspose2d(256, 128, kernel_size=2, stride=2)
self.upconv1 = nn.ConvTranspose2d(128, 64, kernel_size=2, stride=2)
# Define the decoder blocks
self.dec1 = self.conv_block(____, ____)
self.dec2 = self.conv_block(____, ____)
self.dec3 = self.conv_block(____, ____)
self.out = nn.Conv2d(64, out_channels, kernel_size=1)