[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-Jongchan--attention-module":3,"tool-Jongchan--attention-module":61},[4,18,26,36,44,53],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",154349,2,"2026-04-13T23:32:16",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":32,"last_commit_at":42,"category_tags":43,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",108322,"2026-04-10T11:39:34",[14,15,13],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":32,"last_commit_at":50,"category_tags":51,"status":17},6121,"gemini-cli","google-gemini\u002Fgemini-cli","gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。\n\n这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。\n\n它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。",100752,"2026-04-10T01:20:03",[52,13,15,14],"插件",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":32,"last_commit_at":59,"category_tags":60,"status":17},4721,"markitdown","microsoft\u002Fmarkitdown","MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。\n\n在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。\n\n这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器",93400,"2026-04-06T19:52:38",[52,14],{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":66,"readme_en":67,"readme_zh":68,"quickstart_zh":69,"use_case_zh":70,"hero_image_url":71,"owner_login":72,"owner_name":73,"owner_avatar_url":74,"owner_bio":75,"owner_company":76,"owner_location":77,"owner_email":78,"owner_twitter":79,"owner_website":80,"owner_url":81,"languages":82,"stars":91,"forks":92,"last_commit_at":93,"license":94,"difficulty_score":10,"env_os":95,"env_gpu":96,"env_ram":97,"env_deps":98,"category_tags":104,"github_topics":79,"view_count":32,"oss_zip_url":79,"oss_zip_packed_at":79,"status":17,"created_at":105,"updated_at":106,"faqs":107,"releases":143},7317,"Jongchan\u002Fattention-module","attention-module","Official PyTorch code for \"BAM: Bottleneck Attention Module (BMVC2018)\" and \"CBAM: Convolutional Block Attention Module (ECCV2018)\"","attention-module 是两篇经典计算机视觉论文《BAM》与《CBAM》的官方 PyTorch 代码实现。它旨在解决传统卷积神经网络在特征提取时“一视同仁”的局限，通过引入注意力机制，让模型学会自动关注图像中更重要的空间区域和通道特征，从而显著提升识别准确率。\n\n该工具核心包含两种模块：BAM（瓶颈注意力模块）在网络的瓶颈层插入注意力单元，以较低的计算成本增强特征表达；CBAM（卷积块注意力模块）则更灵活地串联了通道与空间两个维度的注意力机制，能无缝嵌入各类主流架构中。实验表明，在 ResNet50 等骨干网络上集成这些模块，能在 ImageNet 数据集上获得可观的性能提升。\n\nattention-module 主要面向 AI 研究人员、算法工程师及深度学习开发者。如果你正在尝试复现经典注意力机制论文，或希望在现有的分类、检测模型中快速集成注意力功能以优化效果，这套代码提供了经过验证的训练脚本、预训练权重及清晰的使用示例。虽然代码基于较早的 PyTorch 版本编写，但其核心逻辑清晰，非常适合作为学习注意力机制原理的入门素材，或作为自定义新模块的开发基准。","# BAM and CBAM\nOfficial PyTorch code for \"[BAM: Bottleneck Attention Module (BMVC2018)](http:\u002F\u002Fbmvc2018.org\u002Fcontents\u002Fpapers\u002F0092.pdf)\" and \"[CBAM: Convolutional Block Attention Module (ECCV2018)](http:\u002F\u002Fopenaccess.thecvf.com\u002Fcontent_ECCV_2018\u002Fhtml\u002FSanghyun_Woo_Convolutional_Block_Attention_ECCV_2018_paper.html)\"\n\n### Updates & Notices\n- 2018-10-08: ~~Currently, only CBAM test code is validated. **There may be minor errors in the training code**. Will be fixed in a few days.~~\n- 2018-10-11: Training code validated. RESNET50+BAM pretrained weight added.\n\n### Requirement\n\nThe code is validated under below environment:\n- Ubuntu 16.04, 4*GTX 1080 Ti, Docker (PyTorch 0.4.1, CUDA 9.0 + CuDNN 7.0, Python 3.6)\n\n### How to use\n\nResNet50 based examples are included. Example scripts are included under ```.\u002Fscripts\u002F``` directory.\nImageNet data should be included under ```.\u002Fdata\u002FImageNet\u002F``` with foler named ```train``` and ```val```.\n\n```\n# To train with BAM (ResNet50 backbone)\npython train_imagenet.py --ngpu 4 --workers 20 --arch resnet --depth 50 --epochs 100 --batch-size 256 --lr 0.1 --att-type BAM --prefix RESNET50_IMAGENET_BAM .\u002Fdata\u002FImageNet\n# To train with CBAM (ResNet50 backbone)\npython train_imagenet.py --ngpu 4 --workers 20 --arch resnet --depth 50 --epochs 100 --batch-size 256 --lr 0.1 --att-type CBAM --prefix RESNET50_IMAGENET_CBAM .\u002Fdata\u002FImageNet\n```\n\n### Resume with checkpoints\n\n- ResNet50+CBAM (trained for 100 epochs) checkpoint is provided in this [link](https:\u002F\u002Fdrive.google.com\u002Ffile\u002Fd\u002F1mvAVvhLR_2XY_bPYxh-SEz4vDmGzSArO\u002Fview?usp=sharing). ACC@1=77.622 ACC@5=93.948\n- ResNet50+BAM (trained for 90 epochs) checkpoint is provided in this [link](https:\u002F\u002Fdrive.google.com\u002Ffile\u002Fd\u002F1auVf70gfL0ol40bvaX5rlbpn9cKIxhAL\u002Fview?usp=sharing). ACC@1=76.860 ACC@5=93.416\n\nFor validation, please use the script as follows\n```\npython train_imagenet.py --ngpu 4 --workers 20 --arch resnet --depth 50 --att-type CBAM --prefix EVAL --resume $CHECKPOINT_PATH$ --evaluate .\u002Fdata\u002FImageNet\n```\n\n### Other implementations\n\n- [MXNet implementation of CBAM with several modifications](https:\u002F\u002Fgithub.com\u002Fbruinxiong\u002FModified-CBAMnet.mxnet) by [bruinxiong](https:\u002F\u002Fgithub.com\u002Fbruinxiong)\n","# BAM 和 CBAM\n官方 PyTorch 代码，对应于“[BAM：瓶颈注意力模块（BMVC2018）](http:\u002F\u002Fbmvc2018.org\u002Fcontents\u002Fpapers\u002F0092.pdf)”和“[CBAM：卷积块注意力模块（ECCV2018）](http:\u002F\u002Fopenaccess.thecvf.com\u002Fcontent_ECCV_2018\u002Fhtml\u002FSanghyun_Woo_Convolutional_Block_Attention_ECCV_2018_paper.html)”。\n\n### 更新与通知\n- 2018-10-08：~~目前仅验证了 CBAM 的测试代码。**训练代码可能存在细微错误**。将在几天内修复。~~\n- 2018-10-11：训练代码已验证完毕。新增了 RESNET50+BAM 预训练权重。\n\n### 环境要求\n代码已在以下环境中验证通过：\n- Ubuntu 16.04，4 块 GTX 1080 Ti 显卡，Docker（PyTorch 0.4.1，CUDA 9.0 + CuDNN 7.0，Python 3.6）\n\n### 使用方法\n包含基于 ResNet50 的示例。示例脚本位于 ```.\u002Fscripts\u002F``` 目录下。\nImageNet 数据应放置在 ```.\u002Fdata\u002FImageNet\u002F``` 目录下，并分别创建名为 ```train``` 和 ```val``` 的子文件夹。\n\n```\n# 使用 BAM 训练（ResNet50 为骨干网络）\npython train_imagenet.py --ngpu 4 --workers 20 --arch resnet --depth 50 --epochs 100 --batch-size 256 --lr 0.1 --att-type BAM --prefix RESNET50_IMAGENET_BAM .\u002Fdata\u002FImageNet\n# 使用 CBAM 训练（ResNet50 为骨干网络）\npython train_imagenet.py --ngpu 4 --workers 20 --arch resnet --depth 50 --epochs 100 --batch-size 256 --lr 0.1 --att-type CBAM --prefix RESNET50_IMAGENET_CBAM .\u002Fdata\u002FImageNet\n```\n\n### 从检查点继续训练\n- ResNet50+CBAM（训练 100 个 epoch）的检查点已提供在此 [链接](https:\u002F\u002Fdrive.google.com\u002Ffile\u002Fd\u002F1mvAVvhLR_2XY_bPYxh-SEz4vDmGzSArO\u002Fview?usp=sharing) 中。ACC@1=77.622，ACC@5=93.948。\n- ResNet50+BAM（训练 90 个 epoch）的检查点已提供在此 [链接](https:\u002F\u002Fdrive.google.com\u002Ffile\u002Fd\u002F1auVf70gfL0ol40bvaX5rlbpn9cKIxhAL\u002Fview?usp=sharing) 中。ACC@1=76.860，ACC@5=93.416。\n\n验证时，请使用如下脚本：\n```\npython train_imagenet.py --ngpu 4 --workers 20 --arch resnet --depth 50 --att-type CBAM --prefix EVAL --resume $CHECKPOINT_PATH$ --evaluate .\u002Fdata\u002FImageNet\n```\n\n### 其他实现\n- [bruinxiong](https:\u002F\u002Fgithub.com\u002Fbruinxiong) 提供的 [带有若干修改的 MXNet 版本 CBAM 实现](https:\u002F\u002Fgithub.com\u002Fbruinxiong\u002FModified-CBAMnet.mxnet)","# attention-module 快速上手指南\n\n本指南基于官方 README 整理，帮助开发者快速在 PyTorch 环境中集成 BAM (Bottleneck Attention Module) 和 CBAM (Convolutional Block Attention Module) 注意力模块。\n\n## 环境准备\n\n代码已在以下环境中验证通过，建议参考此配置搭建开发环境：\n\n- **操作系统**: Ubuntu 16.04\n- **硬件要求**: 推荐多卡环境（原文使用 4*GTX 1080 Ti）\n- **容器化**: 推荐使用 Docker\n- **核心依赖**:\n  - PyTorch 0.4.1\n  - CUDA 9.0 + CuDNN 7.0\n  - Python 3.6\n\n> **注意**：虽然原文基于较旧版本的 PyTorch，但注意力模块的核心代码通常具有较好的兼容性。若使用新版 PyTorch，可能需微调部分 API。\n\n## 安装步骤\n\n本项目为纯代码实现，无需通过 `pip` 安装额外包，只需克隆仓库并准备数据即可。\n\n1. **克隆项目代码**\n   ```bash\n   git clone https:\u002F\u002Fgithub.com\u002FJongchan\u002Fattention-module.git\n   cd attention-module\n   ```\n\n2. **准备数据集**\n   将 ImageNet 数据集放置在 `.\u002Fdata\u002FImageNet\u002F` 目录下，并确保包含以下子文件夹结构：\n   ```text\n   .\u002Fdata\u002FImageNet\u002F\n   ├── train\u002F\n   └── val\u002F\n   ```\n\n## 基本使用\n\n项目提供了基于 ResNet50 的训练脚本。你可以通过修改 `--att-type` 参数来选择使用 BAM 或 CBAM 模块。\n\n### 1. 开始训练\n\n**使用 BAM 模块训练 (ResNet50 backbone):**\n```bash\npython train_imagenet.py --ngpu 4 --workers 20 --arch resnet --depth 50 --epochs 100 --batch-size 256 --lr 0.1 --att-type BAM --prefix RESNET50_IMAGENET_BAM .\u002Fdata\u002FImageNet\n```\n\n**使用 CBAM 模块训练 (ResNet50 backbone):**\n```bash\npython train_imagenet.py --ngpu 4 --workers 20 --arch resnet --depth 50 --epochs 100 --batch-size 256 --lr 0.1 --att-type CBAM --prefix RESNET50_IMAGENET_CBAM .\u002Fdata\u002FImageNet\n```\n\n### 2. 加载预训练模型进行评估\n\n官方提供了训练好的检查点（Checkpoints），你可以下载后直接进行验证评估。\n\n- **ResNet50+CBAM** (100 epochs): Top-1 Acc 77.62%\n- **ResNet50+BAM** (90 epochs): Top-1 Acc 76.86%\n\n下载对应的 checkpoint 文件后，运行以下命令进行验证（请将 `$CHECKPOINT_PATH$` 替换为实际文件路径）：\n\n```bash\npython train_imagenet.py --ngpu 4 --workers 20 --arch resnet --depth 50 --att-type CBAM --prefix EVAL --resume $CHECKPOINT_PATH$ --evaluate .\u002Fdata\u002FImageNet\n```","某计算机视觉团队正在基于 ResNet50 架构开发工业缺陷检测系统，试图在复杂背景下精准识别微小的产品瑕疵。\n\n### 没有 attention-module 时\n- 模型容易受到背景纹理干扰，将正常的油污或划痕误判为缺陷，导致虚警率居高不下。\n- 网络对所有特征通道一视同仁，难以聚焦于细微的裂纹特征，造成小目标漏检严重。\n- 为了提升精度被迫盲目增加网络层数或输入分辨率，导致显存占用激增且推理速度大幅下降。\n- 调参过程如同“黑盒”，无法直观感知模型到底关注了图像的哪些区域，优化方向不明确。\n\n### 使用 attention-module 后\n- 通过集成 CBAM 模块，模型自动抑制背景噪声并高亮缺陷区域，在相同测试集上误报率显著降低。\n- 利用通道与空间双重注意力机制，网络能精准锁定微小瑕疵的关键特征，大幅提升了小目标的召回率。\n- 在不改变主干网络深度的前提下，仅插入轻量级注意力模块即实现了精度跃升（参考官方数据 ACC@1 提升至 77.6%），保持了高效的推理速度。\n- 生成的注意力热力图可可视化展示模型关注点，帮助开发人员快速定位错误案例并针对性地清洗数据。\n\nattention-module 通过让模型学会“看哪里”和“看什么”，以极低的计算成本实现了复杂场景下检测精度的质的飞跃。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FJongchan_attention-module_d6cdd56d.png","Jongchan","Jongchan Park","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FJongchan_bc28dcc2.png","Research Scientist @Lunit","Lunit Inc.","Korea","jongchan@kaist.ac.kr",null,"https:\u002F\u002Fsites.google.com\u002Fview\u002Fjongchanpark","https:\u002F\u002Fgithub.com\u002FJongchan",[83,87],{"name":84,"color":85,"percentage":86},"Python","#3572A5",98.3,{"name":88,"color":89,"percentage":90},"Shell","#89e051",1.7,2213,407,"2026-04-13T02:13:14","MIT","Linux","需要 NVIDIA GPU，验证环境为 4x GTX 1080 Ti，CUDA 9.0","未说明",{"notes":99,"python":100,"dependencies":101},"代码在 Ubuntu 16.04 和 Docker 环境下验证通过。训练和验证需准备 ImageNet 数据集，并按要求存放于 .\u002Fdata\u002FImageNet\u002F 目录下的 train 和 val 文件夹中。提供了一些预训练权重供断点续训使用。","3.6",[102,103],"PyTorch 0.4.1","CuDNN 7.0",[15,14],"2026-03-27T02:49:30.150509","2026-04-14T12:28:00.769266",[108,113,118,123,128,133,138],{"id":109,"question_zh":110,"answer_zh":111,"source_url":112},32855,"代码中的 ReLU 激活函数与论文描述的顺序不一致（是先 W0 还是先 ReLU）？","是的，您的理解是正确的。代码实现中确实是先经过线性层（W0），然后跟随 ReLU 激活函数。即：`nn.Linear` -> `nn.ReLU` -> `nn.Linear`。两层之间必须添加激活函数。","https:\u002F\u002Fgithub.com\u002FJongchan\u002Fattention-module\u002Fissues\u002F40",{"id":114,"question_zh":115,"answer_zh":116,"source_url":117},32856,"在推理（inference）阶段使用 batch size 为 1 时报错，如何解决？","这是因为模型中包含 `nn.BatchNorm1d` 层，在 batch size 为 1 时无法计算统计量。解决方法是在进行推理前调用 `model.eval()`，这将使 BatchNorm 层使用训练好的移动平均统计量而不是当前批次的统计量。","https:\u002F\u002Fgithub.com\u002FJongchan\u002Fattention-module\u002Fissues\u002F5",{"id":119,"question_zh":120,"answer_zh":121,"source_url":122},32857,"BAM 模块是否只支持输入高宽相等（H=W）的情况？如果不支持如何修复？","是的，原代码中的 `ChannelGate` 部分假设输入的高度和宽度相等。如果输入是非正方形图像会出错。修复方法是将全局平均池化的内核大小和步长动态设置为输入的实际高宽。修改代码如下：\n`avg_pool = F.avg_pool2d(in_tensor, (in_tensor.size(2), in_tensor.size(3)), stride=in_tensor.size(2))`\n或者更通用的写法是分别指定高度和宽度：\n`avg_pool = F.avg_pool2d(in_tensor, (in_tensor.size(2), in_tensor.size(3)), stride=(in_tensor.size(2), in_tensor.size(3)))`","https:\u002F\u002Fgithub.com\u002FJongchan\u002Fattention-module\u002Fissues\u002F50",{"id":124,"question_zh":125,"answer_zh":126,"source_url":127},32858,"CBAM 论文中提到的通道注意力和空间注意力是“并行”结合的，具体是如何实现的？","在 CBAM 中，通道注意力（Channel Attention）和空间注意力（Spatial Attention）是串行（sequential）应用的，而不是简单的元素级并行相加。通常先对输入特征图应用通道注意力得到中间特征，再对该中间特征应用空间注意力。如果您指的是 BAM 模块，它是将通道门控和空间门控的结果相乘后加 1 再乘以输入（`att = 1 + sigmoid(channel * spatial)`），这与 CBAM 的串行机制不同。请参考具体模型的 `forward` 函数实现。","https:\u002F\u002Fgithub.com\u002FJongchan\u002Fattention-module\u002Fissues\u002F4",{"id":129,"question_zh":130,"answer_zh":131,"source_url":132},32859,"BAM 模块代码中通道和空间注意力的结合方式是相加还是相乘？与论文描述一致吗？","在提供的 BAM 代码实现中，通道注意力图和空间注意力图是通过**相乘**结合的，然后再通过 Sigmoid 函数并加 1：`att = 1 + F.sigmoid(self.channel_att(in_tensor) * self.spatial_att(in_tensor))`。如果论文中描述的是相加操作，那么代码实现与论文可能存在差异，或者论文描述的是另一种变体。建议以代码逻辑为准或检查论文最新版本是否有修正。","https:\u002F\u002Fgithub.com\u002FJongchan\u002Fattention-module\u002Fissues\u002F52",{"id":134,"question_zh":135,"answer_zh":136,"source_url":137},32860,"如何获取预训练模型（Pretrained Models）的下载链接？","目前该仓库并未直接在 Issue 或 README 中提供所有预训练模型（如 ResNet101+CBAM, ResNeXt101+CBAM 等）的直接下载链接。用户通常需要自行运行提供的训练脚本（如 `train_imagenet.py`）来训练模型，或者关注仓库的 Releases 页面及后续更新以获取官方发布的权重文件。","https:\u002F\u002Fgithub.com\u002FJongchan\u002Fattention-module\u002Fissues\u002F23",{"id":139,"question_zh":140,"answer_zh":141,"source_url":142},32861,"是否有针对 CIFAR-100 数据集的训练配置或脚本？","仓库主要提供了 ImageNet 的训练脚本（`train_imagenet.py`）。对于 CIFAR-100，没有独立的专用脚本，但可以参考 ImageNet 脚本进行修改。主要调整包括：更改数据加载路径、调整输入图像尺寸（CIFAR 通常为 32x32）、修改类别数量（num_classes=100）以及可能需要的学习率和 epoch 调整。社区用户曾分享过基于 argparse 的修改版训练代码框架供参考。","https:\u002F\u002Fgithub.com\u002FJongchan\u002Fattention-module\u002Fissues\u002F9",[]]