pytorch中的有效遮挡1

问题描述

我对使用PyTorch执行occlusion-1进行任务有疑问。该模型是基于卷积的模型，就像前几层是卷积，合并或批处理规范化，然后是完全连接的层一样。 / p>

我想计算遮挡1，它是输入图像一个通道上单个像素的突变，然后计算输出值与原始输出的差（输出是标量）。由于图像或一维序列输入包含成千上万个像素，因此这确实很耗时。

是否有加速技术来提高时间效率？由于输入张量具有很多相同的分量，并且一个通道，一个像素上的一个值恰好将被更改（从参考值0或其他值更改为1）。 给定用于计算occlusion-1的任务的示例代码，输入为'x'和'model'，其大小为'x'，对于一维序列，可能为x.size()=torch.Size([1,3,100000])。并且遮挡将计算差值

y0=model(x)
for i in range(1000000):
     for j in range(3):
        x1=x.clone()
        x1[:,j,i]=torch.tensor(1)
        diff.append(model(x1)-y0)

正向操作可以在GPU上完成，并且代码中已将其省略。假设我们不可以使用talyer展开来近似结果。

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）