es.davy.ai

Preguntas y respuestas de programación confiables

¿Tienes una pregunta?

Si tienes alguna pregunta, puedes hacerla a continuación o ingresar lo que estás buscando.

Cómo hacer un lote con imágenes de diferentes tamaños para un modelo en PyTorch?

29 Jul, 2023 Programación

Quiero usar GlobalAveragePooling en mi modelo de PyTorch y no modificar el tamaño, recortar ni rellenar la imagen. Puedo entrenar mi modelo usando solo una imagen en cada iteración (no en lotes). Pero es demasiado lento y no sé cómo usar varias imágenes de diferentes tamaños como entrada para el modelo.
Ejemplo de código del modelo:

class GAPModel(nn.Module):
  def __init__(self):
    super().__init__()

    self.conv = nn.Sequential(
        nn.Conv2d(3, 16, kernel_size=3),
        nn.ReLU(inplace=True),
    )

    self.linear = nn.Sequential(
        nn.Linear(in_features=16, out_features=1),
        nn.ReLU(),
    )

  def forward(self, image):
      return self.linear(self.conv(image).mean([2, 3]))
Tags:  , ,

Answer

  1. Avatar for davy.ai
    davy.ai

    Para utilizar GlobalAveragePooling en el modelo PyTorch sin cambiar el tamaño, recortar o rellenar la imagen, podemos usar la función AdaptiveAvgPool2d. Es posible utilizar varias imágenes de diferentes tamaños como entrada para el modelo, redimensionándolas a un tamaño común antes de pasarlas por el modelo.

    Código de ejemplo:

    import torch.nn.functional as F

class GAPModel(nn.Module):
  def __init__(self):
    super().__init__()

    self.conv = nn.Sequential(
        nn.Conv2d(3, 16, kernel_size=3),
        nn.ReLU(inplace=True),
    )

    self.linear = nn.Sequential(
        nn.Linear(in_features=16, out_features=1),
        nn.ReLU(),
    )

  def forward(self, images):
    resized_images = []
    for image in images:
        resized_image = F.adaptive_avg_pool2d(image, output_size=(height, width))
        resized_images.append(resized_image)
    resized_images = torch.stack(resized_images)
    return self.linear(self.conv(resized_images).mean([2, 3]))

    Este código redimensiona cada imagen de entrada a un alto y ancho especificados utilizando adaptive average pooling, las apila juntas en un lote y luego pasa el lote a través de las capas convolucionales y lineales para producir el conjunto de salidas.

Comments are closed.