Tài liệu tham khảo cho ultralytics/nn/modules/conv.py
Ghi
Tệp này có sẵn tại https://github.com/ultralytics/ultralytics/blob/main/ultralytics/nn/mô-đun/conv.py. Nếu bạn phát hiện ra một vấn đề, vui lòng giúp khắc phục nó bằng cách đóng góp Yêu cầu 🛠️ kéo. Cảm ơn bạn 🙏 !
ultralytics.nn.modules.conv.Conv
Căn cứ: Module
Tích chập tiêu chuẩn với args (ch_in, ch_out, hạt nhân, sải chân, đệm, nhóm, giãn nở, kích hoạt).
Mã nguồn trong ultralytics/nn/modules/conv.py
__init__(c1, c2, k=1, s=1, p=None, g=1, d=1, act=True)
Khởi tạo lớp Conv với các đối số đã cho bao gồm kích hoạt.
Mã nguồn trong ultralytics/nn/modules/conv.py
forward(x)
ultralytics.nn.modules.conv.Conv2
Căn cứ: Conv
Mô-đun RepConv được đơn giản hóa với Conv fusing.
Mã nguồn trong ultralytics/nn/modules/conv.py
__init__(c1, c2, k=3, s=1, p=None, g=1, d=1, act=True)
Khởi tạo lớp Conv với các đối số đã cho bao gồm kích hoạt.
Mã nguồn trong ultralytics/nn/modules/conv.py
forward(x)
forward_fuse(x)
fuse_convs()
Hợp nhất các kết cấu song song.
Mã nguồn trong ultralytics/nn/modules/conv.py
ultralytics.nn.modules.conv.LightConv
Căn cứ: Module
Tích chập ánh sáng với args (ch_in, ch_out, kernel).
https://github.com/PaddlePaddle/PaddleDetection/blob/develop/ppdet/modeling/backbones/hgnet_v2.py
Mã nguồn trong ultralytics/nn/modules/conv.py
__init__(c1, c2, k=1, act=nn.ReLU())
Khởi tạo lớp Conv với các đối số đã cho bao gồm kích hoạt.
ultralytics.nn.modules.conv.DWConv
Căn cứ: Conv
Tích chập khôn ngoan.
Mã nguồn trong ultralytics/nn/modules/conv.py
__init__(c1, c2, k=1, s=1, d=1, act=True)
Khởi tạo Depth-wise convolution với các tham số đã cho.
ultralytics.nn.modules.conv.DWConvTranspose2d
Căn cứ: ConvTranspose2d
Độ sâu hoán đổi tích chập.
Mã nguồn trong ultralytics/nn/modules/conv.py
__init__(c1, c2, k=1, s=1, p1=0, p2=0)
Khởi tạo lớp DWConvTranspose2d với các tham số đã cho.
ultralytics.nn.modules.conv.ConvTranspose
Căn cứ: Module
Convolution transpose layer 2d.
Mã nguồn trong ultralytics/nn/modules/conv.py
__init__(c1, c2, k=2, s=2, p=0, bn=True, act=True)
Khởi tạo lớp ConvTranspose2d với chức năng chuẩn hóa và kích hoạt hàng loạt.
Mã nguồn trong ultralytics/nn/modules/conv.py
forward(x)
ultralytics.nn.modules.conv.Focus
Căn cứ: Module
Tập trung thông tin wh vào không gian c.
Mã nguồn trong ultralytics/nn/modules/conv.py
__init__(c1, c2, k=1, s=1, p=None, g=1, act=True)
Khởi tạo đối tượng Focus với các giá trị kênh, tích chập, đệm, nhóm và kích hoạt do người dùng xác định.
forward(x)
Áp dụng tích chập cho ghép nối tensor và trả về đầu ra.
Hình dạng đầu vào là (b, c, w, h) và hình dạng đầu ra là (b, 4c, w / 2, h / 2).
Mã nguồn trong ultralytics/nn/modules/conv.py
ultralytics.nn.modules.conv.GhostConv
Căn cứ: Module
Ma tích chập https://github.com/huawei-noah/ghostnet.
Mã nguồn trong ultralytics/nn/modules/conv.py
__init__(c1, c2, k=1, s=1, g=1, act=True)
Khởi tạo đối tượng GhostConv với các kênh đầu vào, kênh đầu ra, kích thước kernel, sải chân, nhóm và kích hoạt.
Mã nguồn trong ultralytics/nn/modules/conv.py
forward(x)
ultralytics.nn.modules.conv.RepConv
Căn cứ: Module
RepConv là một khối kiểu rep cơ bản, bao gồm trạng thái đào tạo và triển khai.
Mô-đun này được sử dụng trong RT-DETR. Dựa trên https://github.com/DingXiaoH/RepVGG/blob/main/repvgg.py
Mã nguồn trong ultralytics/nn/modules/conv.py
175176177178179180181182183184185186187188189190191192193194195196197198199200201202203204205206207208209210211212213214215216217218219220221222223224225226227228229230231232233234235236237238239240241242243244245246247248249250251252253254255256257258259260261262263 264265266267268269270271272273274275 |
|
__init__(c1, c2, k=3, s=1, p=1, g=1, d=1, act=True, bn=False, deploy=False)
Khởi tạo lớp Light Convolution với đầu vào, đầu ra & chức năng kích hoạt tùy chọn.
Mã nguồn trong ultralytics/nn/modules/conv.py
forward(x)
forward_fuse(x)
fuse_convs()
Kết hợp hai lớp tích chập thành một lớp duy nhất và loại bỏ các thuộc tính không sử dụng khỏi lớp.
Mã nguồn trong ultralytics/nn/modules/conv.py
get_equivalent_kernel_bias()
Trả về kernel và bias tương đương bằng cách thêm kernel 3x3, kernel 1x1 và kernel identity với độ lệch của chúng.
Mã nguồn trong ultralytics/nn/modules/conv.py
ultralytics.nn.modules.conv.ChannelAttention
Căn cứ: Module
Mô-đun chú ý kênh https://github.com/open-mmlab/mmdetection/tree/v3.0.0rc1/configs/rtmdet.
Mã nguồn trong ultralytics/nn/modules/conv.py
__init__(channels)
Khởi tạo lớp và thiết lập các cấu hình cơ bản và các biến phiên bản cần thiết.
Mã nguồn trong ultralytics/nn/modules/conv.py
forward(x)
Áp dụng chuyển tiếp vượt qua bằng cách sử dụng kích hoạt trên các kết cấu của đầu vào, tùy chọn sử dụng chuẩn hóa hàng loạt.
ultralytics.nn.modules.conv.SpatialAttention
Căn cứ: Module
Mô-đun chú ý không gian.
Mã nguồn trong ultralytics/nn/modules/conv.py
__init__(kernel_size=7)
Khởi tạo mô-đun Spatial-attention với đối số kích thước kernel.
Mã nguồn trong ultralytics/nn/modules/conv.py
forward(x)
Áp dụng sự chú ý của kênh và không gian trên đầu vào để hiệu chỉnh lại tính năng.
ultralytics.nn.modules.conv.CBAM
Căn cứ: Module
Mô-đun chú ý khối chập.
Mã nguồn trong ultralytics/nn/modules/conv.py
__init__(c1, kernel_size=7)
Khởi tạo CBAM với kênh đầu vào (c1) và kích thước kernel nhất định.
ultralytics.nn.modules.conv.Concat
Căn cứ: Module
Nối một danh sách các tensor dọc theo kích thước.
Mã nguồn trong ultralytics/nn/modules/conv.py
__init__(dimension=1)
ultralytics.nn.modules.conv.autopad(k, p=None, d=1)
Pad để đầu ra hình dạng 'giống nhau'.