0

我有一个图像数据集，每个图像都有一个附加属性“channel_no”。每个图像都应根据其 channel_no 使用 nn 层进行处理：

 images with channel_no=1 have to be processed with layer1
 images with channel_no=2 have to be processed with layer2
 images with channel_no=3 have to be processed with layer3
etc...

问题是当批次包含多个图像时，forward() 函数会获取一个以该批次图像作为输入的 Torch 张量，并且每个图像具有不同的 channel_no。所以不清楚如何分别处理每个图像。

以下是批次只有 1 张图片的情况的代码：

class Net(nn.Module):
    def __init__ (self, weight):
        super(Net, self).__init__()

        self.layer1 = nn.Linear(hidden_sizes[0], hidden_sizes[1])
        self.layer2 = nn.Linear(hidden_sizes[0], hidden_sizes[1])
        self.layer3 = nn.Linear(hidden_sizes[0], hidden_sizes[1])

        self.outp = nn.Linear(hidden_sizes[1], output_size)
        
    def forward(self, x, channel_no):
        channel_no = channel_no[0] #extract channel_no from the batch list

        x = x.view(-1,hidden_sizes[0])

        if channel_no == 1: x = F.relu(self.layer1(x))
        if channel_no == 2: x = F.relu(self.layer2(x))
        if channel_no == 3: x = F.relu(self.layer3(x))

        x = torch.sigmoid(self.outp(x))

        return x

是否可以使用 batch size > 1 分别处理每个图像？

4

1 回答 1

1

要单独处理图像，您可能需要单独的张量。我不确定是否有一种快速的方法可以做到这一点，但是您可以在批量维度中拆分张量以获得单个图像张量，然后遍历它们以按通道号对它们进行排序。然后将每组具有相同通道号的图像加入到一个新的张量中，并对该张量进行特殊处理。

于 2021-05-18T19:38:14.580 回答