查看pytorch网络每一层的计算结果

在做卷积的时候，想知道神经网络中，每一个卷积之后的特征图尺寸。

使用torchsummary就可以：使用torchsummary进行查看。

确定自己的网络decoder。

在summary的参数，输入特征size不需要有batch。我输入的尺寸为（C, T, H, W）.

import torch.nn as nn
from torchsummary import summary

decoder = nn.Sequential(
           
            nn.ConvTranspose3d(
                feature_num_x2,
                feature_num, (3, 3, 3),
                stride=(2, 2, 2),
                padding=(1, 1, 1),
                output_padding=(1, 1, 1)), 
                      nn.BatchNorm3d(feature_num),
            nn.LeakyReLU(0.2, inplace=True),
            nn.ConvTranspose3d(
                feature_num,
                feature_num_2, (3, 3, 3),
                stride=(2, 2, 2),
                padding=(1, 1, 1),
                output_padding=(1, 1, 1))
            )
summary(decoder,(256, 2, 8, 8),batch_size=1,device="cpu")

输出结果中，可以清晰地看出每一层的计算结果，特征图尺寸

参考：(28条消息) pytorch输出网络每层的参数和维度信息_修炼之路的博客-CSDN博客_输出网络参数https://xiulian.blog.csdn.net/article/details/112701029?spm=1001.2101.3001.6650.5&utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7ECTRLIST%7ERate-5.pc_relevant_default&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2%7Edefault%7ECTRLIST%7ERate-5.pc_relevant_default&utm_relevant_index=10