Upload modeling.py

modeling.py

@@ -0,0 +1,55 @@
+from torch import nn
+from torchvision import models
+from torch.nn import *
+import torch
+device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
+
+class CustomResNet18(nn.Module):
+
+    def get_out_channels(self,module):
+        """تابعی برای یافتن تعداد کانال‌های خروجی از لایه‌های کانولوشن و BatchNorm"""
+        if isinstance(module, nn.Conv2d):
+            return module.out_channels
+        elif isinstance(module, nn.BatchNorm2d):
+            return module.num_features
+        elif isinstance(module, nn.Linear):
+            return module.out_features
+        return None
+
+    def replace_relu_with_prelu_and_dropout(self,module, inplace=True):
+        for name, child in module.named_children():
+            # بازگشتی به لایه‌های زیرین
+            self.replace_relu_with_prelu_and_dropout(child, inplace)
+            
+            if isinstance(child, nn.ReLU):  # شناسایی لایه ReLU
+                # یافتن تعداد کانال‌های خروجی از ماژول قبلی
+                out_channels = None
+                for prev_name, prev_child in module.named_children():
+                    if prev_name == name:
+                        break
+                    out_channels = self.get_out_channels(prev_child) or out_channels
+                
+                if out_channels is None:
+                    raise ValueError(f"Cannot determine `out_channels` for {child}. Please check the model structure.")
+                
+                # ایجاد PReLU و Dropout2d
+                prelu = PReLU(device=device, num_parameters=out_channels)  # استفاده از تعداد کانال‌های خروجی
+                dropout = nn.Dropout2d(p=0.2)  # مقدار p تنظیم شده
+
+                # جایگزینی ReLU با Sequential شامل PReLU و Dropout
+                setattr(module, name, nn.Sequential(prelu, dropout).to(device))
+    def __init__(self):
+        super(CustomResNet18,self)
+        self.model = models.resnet18(weights = models.ResNet18_Weights.IMAGENET1K_V1).train(True).to(device)
+        self.replace_relu_with_prelu_and_dropout(self.model)
+        # print(model.fc.in_features)
+
+
+        number = self.model.fc.in_features
+        module  = []
+        # استفاده از حلقه while برای تقسیم بر 2 تا رسیدن به عدد 8
+
+        module.append(LazyLinear(7))
+        self.model.fc = Sequential(*module).to(device)
+    def forward(self,x):
+        return self.model(x)