使用预先训练的网络(Pytorch)的分类器需要什么输入形状？

Question

我对深造、巨蟒和火把都很陌生，所以请容忍我吧！

我正在尝试理解如何使用两种不同的预培训网络: Vgg11和Densenet121来理解火炬传递学习。我已经通过上述网络的“功能”部分运行了形状数据(3x224x224)，输出形状如下：

Vgg11特性输出形状:512x7x7

Densenet121特性输出形状:1024x7 x7

现在，我试着用我自己的分类器来代替训练前的那台。在检查这两个预先训练的分类器时，我看到Vgg11分类器在第一层中有：

(0)：线性(in_features=25088，out_features=4096，bias=True)

而Densenet121在第一层中有：

(分类器)：线性(in_features=1024，out_features=1000，bias=True)

Vgg one是有意义的，因为如果将“功能”部分的输出扁平化，则得到512 x7x7= 25,088。

丹森尼特人怎么只有1024个维度？如果将其“功能”部分的输出扁平化，则得到1024x7x7= 50,176

他们中的任何一个我都错过了台阶吗？是否有方法检查每个层的输入和输出形状，并找出到底发生了什么？

谢谢。

Answer 1

正如在DenseNet纸中的表1中所提到的，DenseNet-121使用了名为全球平均池的东西，这是一种极端的汇集方式，其中维度的张量d x h x w被简化为d x 1 x 1。