【PyTorch】【segmentation_models_pytorch】【Unet】源碼解析 - 【Encoder】

目的

• Ok，先來說說為什麼有這篇文章。
• 作為一個才入門的小白，在使用unet訓練model時遇到各種問題，看過論文，查過資料，在github上找過大佬複現的unet，最終再使用pytorch自己提供的unet模型時，效果稍稍好了些，但還是存在問題，于是下定決心檢視segmentation_models_pytorch中Unet是怎麼實作的。話不多說，現在開始。

首先看見的是

如何調用

• 如下圖，我是這麼寫的

• 

• 我使用的編輯器是pycharm，是以同時按下Ctrl + 滑鼠左鍵，即可進入源碼

于是，

點選進入Unet

• 進來之後你可以看見如下内容

• 

• 這裡我們先看encoder，如圖所示可以看見

  self.encoder = get_encoder(...)

• 其參數即為我開始初始化的設定

encoder_name = "resnet101"
in_channels = 3
depth = encoder_depth 		# 預設值5
weights = "imagenet"
           

下一步檢視

get_encoder

怎麼實作的

• 再次進入檢視源碼，如下圖

• 

• 在這裡已經可以看見

  Encoder = encoders[name]["encoder"]

  • 首先看

    name

    ， 根據上一步傳入的參數可以知道

    name = encoder_name = "restnet101"

  • 那麼

    encoders

    是什麼呢？可以猜測得到他是一個

    dict

    ，根據

    encoder_name

    取值
  • 寫在這裡： 我個人習慣是先不往下看，後面看到需要什麼參數了，再回來找

讓我們來看看

Encoder

到底是什麼

• 首先，我們得找到

  encoders

• 

• 這些參數是提前提供好的，在上方

  import

  中導入
• 而我使用的是

  resnet101

  ， 于是大膽推測我需要的就是第一行的

  resnet_encoders

• 這是我個人習慣，有點魯莽，個人建議還是仔細檢視認真核對，以防出錯
• 接下來看一下

  resnet_encoders

  到底是什麼?

• 

• 可以看見他是一個

  dict

• 在裡面找到我所需要的

  resnet101

• 

• 可以根據之前

  get_encoder

  裡面的代碼

  Encoder = encoders[name][encoder]

  得到這個

  Encoder = ResNetEncoder

• 曬出

  ResNetEncoder

  源碼

• 

• 以程式的思維，先找到入口

  forward

  然後逐行執行
  • 1.傳入參數

    x

    ，這裡其實就是輸入的特征
  • 2.然後執行個體化

    stages = self.get_stages()

  • 

  • 可以看見他是一系列的網絡層
  • 然後就是一個

    for

    循環，循環次數

    _depth

    預設為5，也可自動傳入，

    先做個記号A

    ，待會會用到這裡
  • 在這裡可以看見

    stages

    的實際長度為6，如果你輸入的

    depth > 5

    就會出錯哦
  • 然後檢視

    stages

    • 第一個：

      nn.Identity()

      實際就是一個輸入層
    • 第二個：

      nn.Sequential(self.conv1, self.bn1, self.relu)

      ，這一層需要執行三個操作，繼續看着三個操作是什麼

    • 

    • 第三個：

      nn.Sequential(self.maxpool, self.layer1)

      ， 這裡一看就是一個最大池化層，那

      self.layer1

      是什麼呢？還有下面的

      self.layer2

      ，

      self.layer3

      ，

      self.layer4

    • 繼續看看

    • 

    • 他們都是執行的一個方法

      self._make_layer

      ，隻是傳入的參數不同

    • 

    • 可以結合前面一步的

      self.layer1...self.layer4

      看出來，其實主要就是

      block

      和

      blocks

      ，根據形參和實參位置對應，得到

      blocks = layers[*]

      ， 也就是說主要的就是

      block

      和

      layers

    • 那麼這兩個參數是在哪裡傳入的呢？
    • 仔細回想，我們之前的操作隻執行到了

      Encoder = encoders[name]["encoder"]

      ， 隻是初始化了類，還并未執行個體化，更不用說調用了，那麼，問題就容易解決了，去看看在哪裡執行個體化的。直接回到初始位置

      get_encoder

      可以發現下圖

    • 

    • 那麼

      params

      是什麼？這裡也可以看見傳入的之前記号A

      depth

    • 繼續看

    • 

    • 問題解決，

      block = Bottleneck

      以及

      layers=[3, 4, 23, 3]

    • 先看

      Bottleneck

    • 

    • 再結合之前

      self._make_layer(...)

    • 

    • 可以看見

      block

      主要是對傳入的特征進行如下操作:

      省略參數

      • conv1: conv1x1

      • BatchNorm2d

      • ReLU

      • conv2: conv3x3

      • BatchNorm2d

      • ReLU

      • conv3: conv1x1

      • BatchNorm2d

      • 如果需要

        downsample

        則執行

        • 

        • conv1x1

          +

          BatchNorm2d

      • 這裡的

        conv1x1

        和

        conv3x3

        分别為：

        主要差别是kernel_size不同

      • 

      • 在經過

        downsample

        之後再次進行

        ReLU

到這裡就已經基本上可以清楚了解了

Unet.encoder

是如何組成的，其實可以畫個圖更加直覺，但是由于時間優先，這裡暫時先不加，後續畫完了我再添加上來，另外寫這篇文章，其實主要目的是幫我自己梳理思路，邊分析編寫可以記得更真切。同時如果能幫助到跟我一樣有迷惑的人，那就更好了。

——<未完待續>