Inheritance diagram for mlp_head.MLPHead:
Public Member Functions | |
| __init__ (self, in_channels, num_classes, layer_channels, dropout_ratio, input_key, input_type='linear') | |
| forward (self, feat_dict) | |
Public Attributes | |
| dropout_ratio | |
| input_key | |
| mlp | |
| avg_pool | |
Detailed Description
여러 텐서들을 입력으로 다층 레이어를 기반으로 클래스 스코어를 출력하는 기능
3차원 또는 1차원 입력 텐서들을 받아서 1차원 테서로 풀링한 뒤 하나의 텐서로 이어 붙임
이후 MLP레이어를 통과시켜 클래스 스코어를 출력함
args:
in_channels (int) : 입력 텐서들의 채널 합
num_classes (int) : 클래스 수
layer_channels (list[int]) : 각 측의 레이어 채널 수
dropout_ratio (int) : 드랍아웃 비율
input_key (list[str]) : 모듈의 inference에 사용하는 입력데이터의 키값들
input_type (str) : input_key에 대응하는 데이터의 구조
ex) ['linear', '3d']
Definition at line 4 of file mlp_head.py.
Constructor & Destructor Documentation
◆ __init__()
| mlp_head.MLPHead.__init__ | ( | self, | |
| in_channels, | |||
| num_classes, | |||
| layer_channels, | |||
| dropout_ratio, | |||
| input_key, | |||
| input_type = 'linear' ) |
Definition at line 18 of file mlp_head.py.
18 def __init__(self, in_channels, num_classes, layer_channels, dropout_ratio, input_key, input_type='linear'):
19 super().__init__()
20
21 self.dropout_ratio = dropout_ratio
22 self.input_key = input_key
23
24 layer_num = len(layer_channels)
25 layer_list = []
26
27 in_ch = in_channels
28 for i in range(layer_num):
29 out_ch = layer_channels[i]
30 if self.dropout_ratio != 0:
31 layer_list.append(nn.Dropout(p=self.dropout_ratio))
32 layer_list.append(nn.Linear(in_ch, out_ch))
33 layer_list.append(nn.BatchNorm1d(out_ch))
34 layer_list.append(nn.ReLU(inplace=True))
35 in_ch = out_ch
36
37 if self.dropout_ratio != 0:
38 layer_list.append(nn.Dropout(p=self.dropout_ratio))
39
40 layer_list.append(nn.Linear(in_ch, num_classes))
41
42 self.mlp = nn.Sequential(*layer_list)
43
44 if input_type == '3d':
45 self.avg_pool = nn.AdaptiveAvgPool3d((1, 1, 1))
46 else:
47 self.avg_pool = None
48
49
Member Function Documentation
◆ forward()
| mlp_head.MLPHead.forward | ( | self, | |
| feat_dict ) |
args:
sample (dict)) : 입력 데이터, self.input_key에 해당하는 키가 있어야함
self.input_key의 아이템은 Tensor 타입 -> shape (B, C), (B, C, T, H, W)
B : 배치 크기
C : 채널 크기
T : 시간축 크기
return (Tensor):
1차원 특징 벡터 -> shape (B, num_classes)
Definition at line 50 of file mlp_head.py.
50 def forward(self, feat_dict):
51 """
52 args:
53 sample (dict)) : 입력 데이터, self.input_key에 해당하는 키가 있어야함
54 self.input_key의 아이템은 Tensor 타입 -> shape (B, C), (B, C, T, H, W)
55 B : 배치 크기
56 C : 채널 크기
57 T : 시간축 크기
58
59 return (Tensor):
60 1차원 특징 벡터 -> shape (B, num_classes)
61 """
62 x = feat_dict[self.input_key]
63 if self.avg_pool is not None:
64 x = self.avg_pool(x)
65 x = x.view(x.shape[0], -1)
66
67 return self.mlp(x)
68
Member Data Documentation
◆ avg_pool
| mlp_head.MLPHead.avg_pool |
Definition at line 45 of file mlp_head.py.
◆ dropout_ratio
| mlp_head.MLPHead.dropout_ratio |
Definition at line 21 of file mlp_head.py.
◆ input_key
| mlp_head.MLPHead.input_key |
Definition at line 22 of file mlp_head.py.
◆ mlp
| mlp_head.MLPHead.mlp |
Definition at line 42 of file mlp_head.py.
The documentation for this class was generated from the following file:
- smaction/models/heads/mlp_head.py
