我正在尝试使用 Pytorch 训练一个 CNN 模型,以便输出对于不同类型的输入表现不同。(即如果输入图像是人,则输出模式A,但如果输入是其他动物,则输出模式B)。
经过一番网上搜索,似乎连体网与此有关。所以我有以下两个问题:
(1)Siamese network真的是训练这样一个模型的好方法吗?
(2)从实现的角度来看,pytorch中的代码应该如何实现呢?
class SiameseNetwork(nn.Module):
def __init__(self):
super(SiameseNetwork, self).__init__()
self.cnn1 = nn.Sequential(
nn.ReflectionPad2d(1),
nn.Conv2d(1, 4, kernel_size=3),
nn.ReLU(inplace=True),
nn.BatchNorm2d(4),
nn.ReflectionPad2d(1),
nn.Conv2d(4, 8, kernel_size=3),
nn.ReLU(inplace=True),
nn.BatchNorm2d(8),
nn.ReflectionPad2d(1),
nn.Conv2d(8, 8, kernel_size=3),
nn.ReLU(inplace=True),
nn.BatchNorm2d(8),
)
self.fc1 = nn.Sequential(
nn.Linear(8*100*100, 500),
nn.ReLU(inplace=True),
nn.Linear(500, 500),
nn.ReLU(inplace=True),
nn.Linear(500, 5))
def forward_once(self, x):
output = self.cnn1(x)
output = output.view(output.size()[0], -1)
output = self.fc1(output)
return output
def forward(self, input1, input2):
output1 = self.forward_once(input1)
output2 = self.forward_once(input2)
return output1, output2
目前,我正在尝试一些我在网上找到的现有实现,比如上面的类定义。它可以工作,但是这个模型总是有两个输入和两个输出。我同意它便于训练,但理想情况下,在推理过程中应该只有一个输入和一个(两个也可以)输出。
有人可以就如何修改代码以使其成为单一输入提供一些指导吗?