pytorch - 深度学习模型的输入形状

Question

我创建了不同输入形状的深度学习模型。对于测试，我根据模型的输入形状手动调整图像大小我需要使用深度模型的输入形状调整图像大小在 PYTORCH 中查找模型输入形状的任何命令

model = torch.load(config.MODEL_PATH).to(config.DEVICE)
im = cv2.resize(im, (INPUT_IMAGE_HEIGHT,INPUT_IMAGE_HEIGHT))

如何从模型中找到 INPUT_IMAGE_HEIGHT,INPUT_IMAGE_HEIGHT

谢谢

Answer 1

这是一个棘手的问题，因为您的输入大小可能取决于模型的多个组件。 简短的回答是你不能。

---

关于输入张量中的 channel 数，您可以仅根据第一个卷积层进行推断。 假设你的模型是一个二维卷积网络，那么你可以得到输入 channel 数基于:

for child in model.modules():
    if type(child).__name__ == 'Conv2d':
        print(child.weight.size(1))
        break

现在对于输入大小，正如我所说，您可能根本无法推断出此信息。事实上，一些卷积网络，例如分类网络，可能需要特定的维度，以便瓶颈可以被拉平并馈送到一个完全连接的网络中。但这并不总是正确的，使用某种拉动操作(平均或最大拉动)的网络将减轻提供固定输入形状的需要。考虑到输入和输出之间的对称性，其他网络(例如密集预测网络)可能不需要获得特定形状作为输入...

这完全取决于网络的设计，因此，恐怕您的问题没有明确的答案。