最全【深度学习】：《PyTorch入门到项目实战》卷积神经网络2-2(1)，2024年最新面试篇

本文链接：https://blog.csdn.net/2401_84181626/article/details/138742773

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

−

)

(n+2p-f+1)×(n+2p-f+1)

(n+2p−f+1)×(n+2p−f+1)。所以，要是我们想要保持图像大小不变，则意味着

−

2p-f+1=0

2p−f+1=0,则

−

p=\frac{f-1}{2}

p=2f−1,在后面我们的卷积核通常会设置为奇数。

为了指定卷积操作中的padding，我们可以指定

p的值。以上就是padding，下面我们讨论一下如何在卷积中设置步长。

2.步幅(stride)

卷积窗口从输入张量的左上角开始，向下、向右滑动。在前面的例子中，我们默认每次滑动一个元素。但是，有时候为了高效计算或是缩减采样次数，卷积窗口可以跳过中间位置，每次滑动多个元素。卷积中的步幅是另一个构建卷积神经网络的基本操作，例如，下面是一个步幅为3的情况。

在这里插入图片描述

如果我们用一个

f×f

f×f的过滤器卷积一个

n×n

n×n的图像，padding为

p，步幅为

s，在这个例子中

s=3

s=3，因为现在我们不是一次移动一个步长，而是一次移动

s步，输出于是变为

[

−

]

[

−

]

[\frac{n+2p - f}{s} + 1] [\times \frac{n+2p - f}{s} + 1]

[sn+2p−f+1][×sn+2p−f+1]。[] 表示向下取整。

3.代码实现

3.1 padding实现

在pytorch中，padding和stride的都可以在nn中实现

# 导入相关库
import torch
from torch import nn
# 定义计算卷积层函数
def comp\_conv2d(conv2d, X):
    # 这里的（1，1）表示批量大小和通道数都是1
    X = X.reshape((1, 1) + X.shape)
    Y = conv2d(X)
    # 省略前两个维度：批量大小和通道
    return Y.reshape(Y.shape[2:])

# 请注意，padding参数这里每边都填充了1行或1列，因此总共添加了2行或2列
conv2d = nn.Conv2d(1, 1, kernel_size=3, padding=1)#因此这里相当于是一个3×3的kernel加padding=1，那么根据我们的公式可以得到，最终得到的输出和输入一致
X = torch.rand(size=(8, 8))
comp_conv2d(conv2d, X).shape

torch.Size([8, 8])

3.2 stride实现

步幅使用stride参数实现，具体代码如下，设置步幅为2，padding为1，kernel_size为3×3，那么这样根据公式

[

−

]

[\frac{n+2p-f}{s}+1]

[sn+2p−f+1]这里n为8，p=1，f=3，s=2，会返回一个4×4的输出。

conv2d = nn.Conv2d(1, 1, kernel_size=3, padding=1, stride=2)
comp_conv2d(conv2d, X).shape

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

需要这份系统化资料的朋友，可以戳这里获取

1, stride=2)
comp_conv2d(conv2d, X).shape





[外链图片转存中...(img-qRNtssKQ-1715474518623)]
[外链图片转存中...(img-VQDLU6aO-1715474518623)]
[外链图片转存中...(img-q2nOKV7J-1715474518624)]

**既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！**

**由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新**

**[需要这份系统化资料的朋友，可以戳这里获取](https://bbs.csdn.net/forums/4f45ff00ff254613a03fab5e56a57acb)**