本文主要是介绍Unet改进3:在不同位置添加NAMAttention注意力机制,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
本文内容:在不同位置添加NAMAttention注意力机制
目录
论文简介
1.步骤一
2.步骤二
3.步骤三
4.步骤四
论文简介
识别不太显著的特征是模型压缩的关键。然而,它在革命性的注意机制中尚未得到研究。在这项工作中,我们提出了一种新的基于归一化的注意力模块(NAM),它抑制了较不显著的权重。它将权重稀疏性惩罚应用于注意力模块,从而使它们在保持类似性能的同时提高计算效率。与Resnet和Mobilenet上的其他三种注意机制的比较表明,我们的方法具有更高的准确性
1.步骤一
新建blocks/NAMAattention.py文件,添加如下代码:
#####NAMAttention
import torch.nn as nn
import torch
from torch.nn import functional as Fclass Channel_Att(nn.Module):def __init__(self, channels, t=16):super(Channel_Att, self).__init__()self.channels = c
这篇关于Unet改进3:在不同位置添加NAMAttention注意力机制的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!