从零搭建深度学习模型（Pytorch代码示例二）
CBAM
CBAM（Convolutional Block Attention Module）是一种注意力机制，可以在现有的卷积神经网络（CNN）中插入，以增强模型对重要特征的关注。CBAM 通过同时考虑通道维度和空间维度的注意力，提高了模型的表征能力和性能。以下是 CBAM 的一些关键特点和实现细节：
CBAM 的关键特点
- 通道注意力（Channel Attention）：通过计算每个通道的重要性权重，增强或抑制特定通道的特征。
- 空间注意力（Spatial Attention）：通过计算每个位置的重要性权重，增强或抑制特定区域的特征。
- 轻量级：CBAM 可以轻松地插入到现有的 CNN 架构中，而不会显著增加计算复杂度。
CBAM 的基本结构
CBAM 包括两个主要模块：通道注意力模块和空间注意力模块。
- 通道注意力模块（Channel Attention Module）
最大池化：对输入特征图进行最大池化操作。
平均池化：对输入特征图进行平均池化操作。
共享多层感知机（MLP&#