全卷积网络（FCN）

中文版 pytorch
#1

https://zh-v2.d2l.ai/chapter_computer-vision/fcn.html

#2

bilinear_kernel这个函数有没有大佬详细解释一样啊 :sweat_smile:

#3

module ‘d2l.torch’ has no attribute ‘Image’
我在coalb上边运行，在读入图片那部分会显示这个错误，这需要怎么修改呢

#4

image
image1414×1316 224 KB

用m1 gpu（device = “mps”）训练fcn模型没有效果，而用device = "cpu"则正常。这是为什么呢？

#5

我也和你出现了一样的情况，甚至在训练后的训练图中，没有出现训练损失的曲线，请问您现在解决了吗？

#6

PyTorch使用单GPU训练结果就是正确的，使用多GPU训练结果就会出错。

#7

据此设计的卷积核形状如同“金字塔/四棱锥”，且只有k=2*s时才可以

#8

也许是d2l的版本太老了，直接去下载d2l的源码。然后只要在自己项目下新建个d2l文件夹，把torch.py放进去就OK了。可以从这里下载https://github.com/d2l-ai/d2l-zh/tree/master/d2l

#9 
def bilinear_kernel(in_channels, out_channels, kernel_size):
    factor = (kernel_size + 1) // 2
    center = (kernel_size - 1) / 2 
    print(center)
    og = (torch.arange(kernel_size).reshape(-1, 1),
          torch.arange(kernel_size).reshape(1, -1))
    filt = (1 - torch.abs(og[0] - center) / factor) * \
           (1 - torch.abs(og[1] - center) / factor)
    print(filt)
    weight = torch.zeros((in_channels, out_channels,
                          kernel_size, kernel_size))
    weight[range(in_channels), range(out_channels), :, :] = filt
    return weight
conv_trans = nn.ConvTranspose2d(3, 3, kernel_size=4, padding=1, stride=2,
                                bias=False)
conv_trans.weight.data.copy_(bilinear_kernel(3, 3, 4));

这样或许更容易理解。

#10

理解双线性插值的数学理论就可以了吧，代码 :rofl: