注意力机制代码_pytorch中加入注意力机制（CBAM），以ResNet为例

对于注意力机制的个人理解：

1. 网络越深、越宽、结构越复杂，注意力机制对网络的影响就越小。
2. 在网络中加上CBAM不一定带来性能上的提升，对性能影响因素有数据集、网络自身、注意力所在的位置等等。
3. 建议直接在网络中加上SE系列，大部分情况下性能都会有提升的。

CBAM的 解析：

heu御林军：CBAM：卷积注意力机制模块​zhuanlan.zhihu.com

贴出一些和SE相关的：

初识CV：SE-Inception v3架构的模型搭建（keras代码实现）​zhuanlan.zhihu.com

PyTorch Hub发布！一行代码调用所有模型：torch.hub​blog.csdn.net

源码位置：

初识CV：ResNet_CBAM源码​zhuanlan.zhihu.com

第一步：找到ResNet源代码

在里面添加通道注意力机制和空间注意力机制

所需库

import torch.nn as nn
import math
try:
    from torch.hub import load_state_dict_from_url
except ImportError:
    from torch.utils.model_zoo import load_url as load_state_dict_from_url
import torch

通道注意力机制<