第 4 / 30 课。 前置:上一课。本篇的运行范围以实验说明和验证记录为准,构造样例不代表真实任务精度或板端性能。
一个通道应当占多大权重
SE 先对 H、W 做全局平均,得到 [N,C,1,1] 描述,再经过降维、非线性和升维产生通道权重。权重与原特征逐通道相乘,空间位置共享该通道的缩放系数。它没有为每个像素生成一份独立注意力,也没有改变通道数。
降维比例描述隐藏层宽度,不是必须严格整除的数学限制;工程实现往往还会对齐到设备友好的通道数。本课使用 max(1,C//4),避免小通道时变成零。
Hard-Swish 为什么容易拆解
h-swish(x)=x×ReLU6(x+3)/6。当 x≤−3 时为零;x≥3 时为 x;中间为二次段。它与 Swish 的曲线不同,不能直接用一个替换另一个而宣称等价。Hard-Sigmoid 常用于门控,本课取 ReLU6(x+3)/6。
MobileNetV3 组合了多种模块选择。本课实现的是其中的关键组件,不是重新宣称实现了完整搜索过程或完整 V3 网络。完整模型可用第 1 课的方法逐层审查。
实验与工程判断
脚本手写 Hard-Swish 并与框架函数逐值比较,再检查 SE 权重范围和输出形状。将输入设为全零,观察门控是否必定为零;答案是否定的,门控取决于学习参数与偏置。
NPU 可能把激活识别成融合算子,也可能分解为 Add、Clip、Mul 等节点。应查看转换报告与实际耗时;模块名称里带“轻量”不是兼容性保证。
课后交付
画出 [N,C,H,W]→[N,C,1,1]→[N,C/r,1,1]→[N,C,1,1],注明最后乘法的广播方向。将平均池化误写为只沿 W 归约,比较它变成了怎样的空间依赖。
配套实验与运行记录
实验:通道注意力与 MobileNetV3
查看完整代码:main.py
"""实现 SE 和 Hard-Swish,检查注意力广播以及激活的分段行为。"""
import torch
from torch import nn
class SE(nn.Module):
def __init__(self, c):
super().__init__()
self.gate = nn.Sequential(
nn.AdaptiveAvgPool2d(1),
nn.Conv2d(c, max(1, c // 4), 1),
nn.ReLU(),
nn.Conv2d(max(1, c // 4), c, 1),
nn.Hardsigmoid(),
)
def forward(self, x):
return x * self.gate(x)
def main():
torch.manual_seed(7)
torch.set_num_threads(2)
x = torch.linspace(-6, 6, 25)
manual = x * torch.clamp(x + 3, 0, 6) / 6
torch.testing.assert_close(manual, nn.functional.hardswish(x))
net = SE(16)
features = torch.randn(2, 16, 8, 8)
g = net.gate(features)
assert g.shape == (2, 16, 1, 1) and bool(((g >= 0) & (g <= 1)).all())
y = net(features)
assert y.shape == features.shape
print("gate shape", list(g.shape), "range", g.min().item(), g.max().item())
print("h-swish equality passed; output", list(y.shape))
if __name__ == "__main__":
main()
在项目根目录执行;下载包解压后,在解压目录执行 python3 main.py。
cd 'content/posts/AI-深度学习/嵌入式视觉模型进阶/04-通道注意力与 MobileNetV3/code' && python3 main.py
在本篇代码目录执行 python3 main.py。依赖安装、可选入口见包内 README.md;实际运行结果见 verification.md。下载包包含本课使用的辅助模块与样例。
参考与进一步阅读
原始论文或官方文档用于核对结构、接口和适用范围。本篇代码是围绕教学目标编写的最小实验;除明确注明的完整入口外,不视为对应论文模型的完整复现。