我知道平衡杆示例需要2个输出Reinforcement Learning (DQN) Tutorial
这是self.head的输出
print ('x',self.head)
x = Linear(in_features=512, out_features=2, bias=True)
当我运行EPOCH时,以下是输出:
print (self.head(x.view(x.size(0), -1)))
return self.head(x.view(x.size(0), -1))
tensor([[-0.6945, -0.1930]])
tensor([[-0.0195, -0.1452]])
tensor([[-0.0906, -0.1816]])
tensor([[ 0.0631, -0.9051]])
tensor([[-0.0982, -0.5109]])
...
x的大小为:
x = torch.Size([121, 32, 2, 8])
所以我试图理解x.view(x.size(0),-1)在做什么
我从代码中的注释中了解到它返回: 返回张量([[left0exp,right0exp]…])
但是x,也就是火炬的大小([121,32,2,8])是如何被减少到一个大小为2的张量的呢
有没有其他更有意义的写作方式?如果我有4个输出呢。我将如何陈述这一点?为什么是x.size(0)。为什么是-1?
因此,似乎将self.head与4个输出转换为2个输出。对吗
下面是我所指的班级:
class DQN(nn.Module):
def __init__(self, h, w, outputs):
super(DQN, self).__init__()
self.conv1 = nn.Conv2d(3, 16, kernel_size=5, stride=2)
self.bn1 = nn.BatchNorm2d(16)
self.conv2 = nn.Conv2d(16, 32, kernel_size=5, stride=2)
self.bn2 = nn.BatchNorm2d(32)
self.conv3 = nn.Conv2d(32, 32, kernel_size=5, stride=2)
self.bn3 = nn.BatchNorm2d(32)
# Number of Linear input connections depends on output of conv2d layers
# and therefore the input image size, so compute it.
def conv2d_size_out(size, kernel_size = 5, stride = 2):
return (size - (kernel_size - 1) - 1) // stride + 1
convw = conv2d_size_out(conv2d_size_out(conv2d_size_out(w)))
convh = conv2d_size_out(conv2d_size_out(conv2d_size_out(h)))
linear_input_size = convw * convh * 32
self.head = nn.Linear(linear_input_size, outputs)
# Called with either one element to determine next action, or a batch
# during optimization. Returns tensor([[left0exp,right0exp]...]).
def forward(self, x):
x = F.relu(self.bn1(self.conv1(x)))
x = F.relu(self.bn2(self.conv2(x)))
x = F.relu(self.bn3(self.conv3(x)))
return self.head(x.view(x.size(0), -1))
x.view(x.size(0), -1)
正在展平张量,这是因为线性层只接受向量(1d数组)。要分解它,x.view()
重塑指定形状的张量(更多info)x.shape(0)
返回张量的第一维(即批量大小,应保持不变)。x.view()
中的-1
是一个填充词,换句话说,它的维度我们不知道,所以PyTorch自动计算它。例如,如果x = torch.tensor([1,2,3,4])
,要将张量重塑为2x2
,可以执行x.view(2,2)
或x.view(2,-1)
或x.view(-1,2)
。 输出形状不是2
的张量形状,而是121,2
的张量形状(121
是批量大小,2
来自线性层output
)。因此,要将输出大小从2更改为4,必须将__init__
函数中的outputs参数更改为4相关问题 更多 >
编程相关推荐