ResNetBasicBlock

class paddle.incubate.xpu. ResNetBasicBlock ( num_channels1, num_filter1, filter1_size, num_channels2, num_filter2, filter2_size, num_channels3, num_filter3, filter3_size, stride1=1, stride2=1, stride3=1, act='relu', momentum=0.9, eps=1e-5, data_format='NCHW', has_shortcut=False, use_global_stats=False, is_test=False, filter1_attr=None, scale1_attr=None, bias1_attr=None, moving_mean1_name=None, moving_var1_name=None, filter2_attr=None, scale2_attr=None, bias2_attr=None, moving_mean2_name=None, moving_var2_name=None, ilter3_attr=None, scale3_attr=None, bias3_attr=None, moving_mean3_name=None, moving_var3_name=None, padding1=0, padding2=0, padding3=0, dilation1=1, dilation2=1, dilation3=1, trainable_statistics=False, find_conv_max=True ) [源代码]

该接口用于构建 ResNetBasicBlock 类的一个可调用对象,实现一次性计算多个 Conv2DBatchNormReLU 的功能,排列顺序参见源码链接。

当 has_shortcut = False 时,实现计算两个 Conv2D、两个 BatchNorm 和两个 ReLU 的功能,此时输入输出 Tensor 的 shape 需要保持一致。

当 has_shortcut = True 时,实现计算三个 Conv2D、三个 BatchNorm 和两个 ReLU 的功能。

参数

  • num_channels (int) - 输入图像的通道数。

  • num_filter (int) - 由卷积操作产生的输出的通道数。

  • filter_size (int|list|tuple) - 卷积核大小。可以为单个整数或包含两个整数的元组或列表,分别表示卷积核的高和宽。如果为单个整数,表示卷积核的高和宽都等于该整数。

  • stride (int,可选) - 步长大小。为单个整数,表示沿着高和宽的步长都等于该整数。默认值:1。

  • act (str,可选) - 激活函数。默认值: relu

  • momentum (float,可选) - 此值用于计算 moving_meanmoving_var。默认值:0.9。

  • eps (float,可选) - 为了数值稳定加在分母上的值。默认值:1e-5。

  • data_format (str,可选) - 指定输入的数据格式,输出的数据格式将与输入保持一致,目前只支持"NCHW"。N 是批尺寸,C 是通道数,H 是特征高度,W 是特征宽度。默认值:"NCHW"。

  • has_shortcut (bool,可选) - 设置是否计算第三个 Conv2D 和 BatchNorm。为 True 时计算,否则不进行计算。默认值: False

  • use_global_stats (bool,可选) – 指示是否使用全局均值和方差。在预测或测试模式下,将 use_global_stats 设置为 true 或将 is_test 设置为 true,这两种行为是等效的。在训练模式中,当设置 use_global_stats 为 True 时,在训练期间也将使用全局均值和方差。默认值:False。

  • is_test (bool,可选) - 指示是否在测试阶段,非训练阶段使用训练过程中统计到的全局均值和全局方差。默认值:False。

  • filter_attr (ParamAttr,可选) - 指定对应 Conv2D 权重参数属性的对象。默认值为 None,表示使用默认的权重参数属性。具体用法请参见 ParamAttr

  • scale_attr (ParamAttr,可选) - 指定对应 BatchNorm 权重参数属性的对象。默认值为 None,表示使用默认的权重参数属性。具体用法请参见 ParamAttr

  • bias_attr (ParamAttr,可选) - 指定对应 BatchNorm 偏置参数属性的对象。默认值为 None,表示使用默认的偏置参数属性。具体用法请参见 ParamAttr

  • moving_mean_name (str,可选) - moving_mean 的名称,存储全局均值。默认值:None。

  • moving_var_name (str,可选) - moving_var 的名称,存储全局方差。默认值:None。

  • padding (int,可选) - 填充大小。为一个整数,padding_height = padding_width = padding。默认值:0。

  • dilation (int,可选) - 空洞大小。为单个整数,表示高和宽的空洞都等于该整数。默认值:1。

  • trainable_statistics (bool,可选) - eval 模式下是否计算 mean 均值和 var 方差。eval 模式下,trainable_statistics 为 True 时,由该批数据计算均值和方差。默认值:False。

  • find_conv_max (bool,可选) - 是否计算每个 Conv2D 输入 Tensor 的最大值,为 True 表示计算。默认值:True。

返回

  • Tensor,输出 Tensor,数据类型与 X 一样。

代码示例

# required: xpu
import paddle
from paddle.incubate.xpu.resnet_block import ResNetBasicBlock

ch_in = 4
ch_out = 8
x = paddle.uniform((2, ch_in, 16, 16), dtype='float32', min=-1., max=1.)
resnet_basic_block = ResNetBasicBlock(num_channels1=ch_in,
                                    num_filter1=ch_out,
                                    filter1_size=3,
                                    num_channels2=ch_out,
                                    num_filter2=ch_out,
                                    filter2_size=3,
                                    num_channels3=ch_in,
                                    num_filter3=ch_out,
                                    filter3_size=1,
                                    stride1=1,
                                    stride2=1,
                                    stride3=1,
                                    act='relu',
                                    padding1=1,
                                    padding2=1,
                                    padding3=0,
                                    has_shortcut=True)
out = resnet_basic_block.forward(x)

print(out.shape) # [2, 8, 16, 16]