Побудова U-Net: визначення шарів
У цій і наступній вправі ви з нуля побудуєте архітектуру U-Net. Тут ви почнете з визначення методу __init__(), у якому задасте шари та блоки шарів, що їх використовуватиме модель.
Енкодер і транспонована згортка вже визначені для вас. Залишається додати згорткові блоки декодера. Потрібно передати до кожного з них відповідну кількість вхідних і вихідних каналів, з урахуванням пропускних з'єднань (skip connections).
Перший блок, dec1, отримує на вхід конкатенацію виходу upconv3 з виходом enc3. Вихід dec1, своєю чергою, має дорівнювати виходу enc3. Чи зможете ви заповнити всі відсутні розміри входів і виходів?
Ця вправа є частиною курсу
Глибоке навчання для зображень із PyTorch
Інструкції до вправи
- Визначте три згорткові блоки в декодері, передавши кожному з них відповідну кількість вхідних і вихідних каналів.
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
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)