关于ShuffleNet V1代码中Channel Shuffle模块代码错误问题。

Shuffle Net V1源代码地址:GitHub - megvii-model/ShuffleNet-Series

代码中ShuffleNetV1/blocks.py中channel_shuffle源代码如下：

    def channel_shuffle(self, x):
        batchsize, num_channels, height, width = x.data.size()
        assert num_channels % self.group == 0
        group_channels = num_channels // self.group
        
        x = x.reshape(batchsize, group_channels, self.group, height, width)
        x = x.permute(0, 2, 1, 3, 4)
        x = x.reshape(batchsize, num_channels, height, width)

        return x

代码中第一个reshape应该改成一下代码：

x = x.reshape(batchsize, self.group,group_channels, height, width)

原因

 上图是B站大佬同济子豪兄 在将ShuffleNetV1里面Channel Shuffle里面通道重排的过程，这里来给大家解释一下。比如说一个特征图大小为1*12*3*3大小，分别是bacth_size,channel,w,h。我们这里将特征图大小3*3等效看作1*1，然后就联系上图理解一下。这里是将特征图通过分组卷积进行处理，这里分为了3组。这样每组里就有4个数字，也就是这里的Reshape成3行4列矩阵。然后再进行转置，再通过一个reshape处理图中写的是Flatten，程序里是reshape又变回了原来的1*12*1*1这就是整个Channel Shuffle的流程，下面代码是另一个大佬写的，然后忘了地址了。

def channel_shuffle1(x, groups):
    batch_size, num_channels, height, width = x.size()
    channels_per_group = num_channels // groups
    print(channels_per_group)
    # reshape
    # b, c, h, w =======>  b, g, c_per, h, w
    x = x.view(batch_size, groups, channels_per_group, height,width)
    x = torch.transpose(x, 1, 2).contiguous()
    # flatten
    x = x.view(batch_size, -1, height, width)
    return x

这里的groups取3就行了，这两个代码功能其实是一样的（上面修改过后的）。

来举几个极端例子说明一下，首先我们生成一个1*6*1*1的张量。

 如上图所示，我们自己按照上面子豪兄的图自己算一下，在groups=3的情况下，应该是如下图这样。

下面是源代码输出结果

上面的结果是将上面6个数字，分成了2组，每组3个的结果，大家可以算一下。

下面是另一个大佬写的代码输出结果

与上面输出结果相符合。

ps：去网上看了一圈好像大家都没提出来，这个部分可能对网络性能没啥影响吧。这里就纠正一下，不然大家跟着源代码推理出来就对不上。