Referenz fĂŒr ultralytics/nn/modules/conv.py
Hinweis
Diese Datei ist verfĂŒgbar unter https://github.com/ultralytics/ ultralytics/blob/main/ ultralytics/nn/modules/conv .py. Wenn du ein Problem entdeckst, hilf bitte mit, es zu beheben, indem du einen Pull Request đ ïž einreichst. Vielen Dank đ!
ultralytics.nn.modules.conv.Conv
Basen: Module
Standardfaltung mit args(ch_in, ch_out, kernel, stride, padding, groups, dilation, activation).
Quellcode in ultralytics/nn/modules/conv.py
__init__(c1, c2, k=1, s=1, p=None, g=1, d=1, act=True)
Initialisiere die Conv-Schicht mit den angegebenen Argumenten einschlieĂlich der Aktivierung.
Quellcode in ultralytics/nn/modules/conv.py
forward(x)
ultralytics.nn.modules.conv.Conv2
Basen: Conv
Vereinfachtes RepConv-Modul mit Conv-Fusing.
Quellcode in ultralytics/nn/modules/conv.py
__init__(c1, c2, k=3, s=1, p=None, g=1, d=1, act=True)
Initialisiere die Conv-Schicht mit den angegebenen Argumenten einschlieĂlich der Aktivierung.
Quellcode in ultralytics/nn/modules/conv.py
forward(x)
forward_fuse(x)
fuse_convs()
Verschmelze parallele Faltungen.
Quellcode in ultralytics/nn/modules/conv.py
ultralytics.nn.modules.conv.LightConv
Basen: Module
Lichtfaltung mit args(ch_in, ch_out, kernel).
https://github.com/PaddlePaddle/PaddleDetection/blob/develop/ppdet/modeling/backbones/hgnet_v2.py
Quellcode in ultralytics/nn/modules/conv.py
__init__(c1, c2, k=1, act=nn.ReLU())
Initialisiere die Conv-Schicht mit den angegebenen Argumenten einschlieĂlich der Aktivierung.
ultralytics.nn.modules.conv.DWConv
Basen: Conv
Faltung in der Tiefe.
Quellcode in ultralytics/nn/modules/conv.py
__init__(c1, c2, k=1, s=1, d=1, act=True)
Initialisiere die Faltung in der Tiefe mit den angegebenen Parametern.
ultralytics.nn.modules.conv.DWConvTranspose2d
Basen: ConvTranspose2d
Transponierte Faltung in der Tiefe.
Quellcode in ultralytics/nn/modules/conv.py
__init__(c1, c2, k=1, s=1, p1=0, p2=0)
Initialisiere die Klasse DWConvTranspose2d mit den angegebenen Parametern.
ultralytics.nn.modules.conv.ConvTranspose
Basen: Module
Faltung transponiert 2d Schicht.
Quellcode in ultralytics/nn/modules/conv.py
__init__(c1, c2, k=2, s=2, p=0, bn=True, act=True)
Initialisiere die ConvTranspose2d-Schicht mit Batch-Normalisierung und Aktivierungsfunktion.
Quellcode in ultralytics/nn/modules/conv.py
forward(x)
ultralytics.nn.modules.conv.Focus
Basen: Module
Fokussiere die Informationen im C-Raum.
Quellcode in ultralytics/nn/modules/conv.py
__init__(c1, c2, k=1, s=1, p=None, g=1, act=True)
Initialisiert das Focus-Objekt mit benutzerdefinierten Werten fĂŒr Kanal, Faltung, Padding, Gruppe und Aktivierung.
forward(x)
Wendet die Faltung auf verkettete tensor an und gibt das Ergebnis zurĂŒck.
Die Eingangsform ist (b,c,w,h) und die Ausgangsform ist (b,4c,w/2,h/2).
Quellcode in ultralytics/nn/modules/conv.py
ultralytics.nn.modules.conv.GhostConv
Basen: Module
Ghost Convolution https://github.com/huawei-noah/ghostnet.
Quellcode in ultralytics/nn/modules/conv.py
__init__(c1, c2, k=1, s=1, g=1, act=True)
Initialisiert das GhostConv-Objekt mit EingangskanĂ€len, AusgangskanĂ€len, KernelgröĂe, Stride, Gruppen und Aktivierung.
Quellcode in ultralytics/nn/modules/conv.py
forward(x)
ultralytics.nn.modules.conv.RepConv
Basen: Module
RepConv ist ein grundlegender Rep-Stil-Block, einschlieĂlich Ausbildung und Einsatzstatus.
Dieses Modul wird in RT-DETR verwendet. Basierend auf https://github.com/DingXiaoH/RepVGG/blob/main/repvgg.py
Quellcode in ultralytics/nn/modules/conv.py
175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 |
|
__init__(c1, c2, k=3, s=1, p=1, g=1, d=1, act=True, bn=False, deploy=False)
Initialisiert die Light Convolution-Schicht mit EingÀngen, AusgÀngen und optionaler Aktivierungsfunktion.
Quellcode in ultralytics/nn/modules/conv.py
forward(x)
forward_fuse(x)
fuse_convs()
Kombiniert zwei Faltungsebenen zu einer einzigen Ebene und entfernt ungenutzte Attribute aus der Klasse.
Quellcode in ultralytics/nn/modules/conv.py
get_equivalent_kernel_bias()
Liefert einen Àquivalenten Kernel und eine Vorspannung, indem 3x3-Kernel, 1x1-Kernel und IdentitÀtskernel mit ihren Vorspannungen addiert werden.
Quellcode in ultralytics/nn/modules/conv.py
ultralytics.nn.modules.conv.ChannelAttention
Basen: Module
Channel-attention Modul https://github.com/open-mmlab/mmdetection/tree/v3.0.0rc1/configs/rtmdet.
Quellcode in ultralytics/nn/modules/conv.py
__init__(channels)
Initialisiert die Klasse und setzt die benötigten Grundkonfigurationen und Instanzvariablen.
Quellcode in ultralytics/nn/modules/conv.py
forward(x)
Wendet den VorwÀrtspass mit Aktivierung auf Faltungen der Eingabe an, optional mit Batch-Normalisierung.
ultralytics.nn.modules.conv.SpatialAttention
Basen: Module
Modul "RĂ€umliche Aufmerksamkeit".
Quellcode in ultralytics/nn/modules/conv.py
__init__(kernel_size=7)
Initialisiere das Modul "Spatial-attention" mit dem Argument "KernelgröĂe".
Quellcode in ultralytics/nn/modules/conv.py
forward(x)
Achte bei der Neukalibrierung von Merkmalen auf den Kanal und den Raum des Inputs.
ultralytics.nn.modules.conv.CBAM
Basen: Module
Aufmerksamkeitsmodul mit Faltungsblöcken.
Quellcode in ultralytics/nn/modules/conv.py
__init__(c1, kernel_size=7)
Initialisiere CBAM mit dem angegebenen Eingangskanal (c1) und der KernelgröĂe.
ultralytics.nn.modules.conv.Concat
Basen: Module
Verkette eine Liste von Tensoren entlang der Dimension.
Quellcode in ultralytics/nn/modules/conv.py
__init__(dimension=1)
ultralytics.nn.modules.conv.autopad(k, p=None, d=1)
Pad zu "gleichförmigen" AusgÀngen.