mindflow.cell.ViT
- class mindflow.cell.ViT(image_size=(192, 384), in_channels=7, out_channels=3, patch_size=16, encoder_depths=12, encoder_embed_dim=768, encoder_num_heads=12, decoder_depths=8, decoder_embed_dim=512, decoder_num_heads=16, mlp_ratio=4, dropout_rate=1.0, compute_dtype=mstype.float16)[源代码]
该模块基于ViT，包括encoder层、decoding_embedding层、decoder层和dense层。
- 参数：
image_size (tuple[int]) - 输入的图像尺寸。默认值：
(192,384)。in_channels (int) - 输入的输入特征维度。默认值：
7。out_channels (int) - 输出的输出特征维度。默认值：
3。patch_size (int) - 图像的path尺寸。默认值：
16。encoder_depths (int) - encoder层的层数。默认值：
12。encoder_embed_dim (int) - encoder层的编码器维度。默认值：
768。encoder_num_heads (int) - encoder层的head数。默认值：
12。decoder_depths (int) - decoder层的解码器深度。默认值：
8。decoder_embed_dim (int) - decoder层的解码器维度。默认值：
512。decoder_num_heads (int) - decoder层的head数。默认值：
16。mlp_ratio (int) - mlp层的比例。默认值：
4。dropout_rate (float) - dropout层的速率。默认值：
1.0。compute_dtype (dtype) - encoder层、decoding_embedding层、decoder层和dense层的数据类型。默认值：
mstype.float16。
- 输入：
input (Tensor) - shape为 \((batch\_size, feature\_size, image\_height, image\_width)\) 的Tensor。
- 输出：
output (Tensor) - shape为 \((batch\_size, patchify\_size, embed\_dim)\) 的Tensor。其中，patchify_size = (image_height * image_width) / (patch_size * patch_size)
- 支持平台：
AscendGPU
样例：
>>> import numpy as np >>> from mindspore import Tensor >>> from mindspore import context >>> from mindspore import dtype as mstype >>> from mindflow.cell import ViT >>> input_tensor = Tensor(np.ones((32, 3, 192, 384)), mstype.float32) >>> print(input_tensor.shape) (32, 3, 192, 384) >>> model = ViT(in_channels=3, >>> out_channels=3, >>> encoder_depths=6, >>> encoder_embed_dim=768, >>> encoder_num_heads=12, >>> decoder_depths=6, >>> decoder_embed_dim=512, >>> decoder_num_heads=16, >>> ) >>> output_tensor = model(input_tensor) >>> print(output_tensor.shape) (32, 288, 768)