def __init__(self, **kwargs):
super().__init__()
self.input_batchnorm = nn.BatchNorm2d(kwargs['in_channels'])
self.unet = UNet(**kwargs)
self.final = nn.Sigmoid()
self._init_weights()
def __init__(self, **kwargs):
# kwargs はコンストラクタに渡される全てのキーワード引数を含む辞書
super().__init__()
# BatchNorm2d は入力のチャンネル数を必要とする
# その情報をキーワード引数から取り出す
self.input_batchnorm = nn.BatchNorm2d(kwargs['in_channels'])
# U-Netの取り込み部分はこれだけだが、ほとんどの処理はここで行われる
self.unet = UNet(**kwargs)
self.final = nn.Sigmoid()
# 第11章と同じように独自の重み初期化を行う
self._init_weights()
def __init__(self, **kwargs):
super().__init__()
self.batchnorm = nn.BatchNorm2d(kwargs['in_channels'])
self.unet = UNet(**kwargs)
self.final = nn.Sigmoid()
for m in self.modules():
if type(m) in {
nn.Conv2d,
nn.Conv3d,
nn.ConvTranspose2d,
nn.ConvTranspose3d,
nn.Linear,
}:
nn.init.kaiming_normal_(m.weight.data, mode='fan_out', nonlinearity='leaky_relu', a=0)
if m.bias is not None:
fan_in, fan_out = nn.init._calculate_fan_in_and_fan_out(m.weight.data)
bound = 1 / math.sqrt(fan_out)
nn.init.normal_(m.bias, -bound, bound)
def __init__(self, **kwargs):
super().__init__()
self.batchnorm = nn.BatchNorm2d(kwargs['in_channels'])
self.unet = UNet(**kwargs)
self.hardtanh = nn.Hardtanh(min_val=0, max_val=1)