Pytorch学习记录(5)卷积操作的介绍
这篇博文主要在于记录卷积操作的学习过程,包括概念以及具体实战环节。
卷积操作的定义以及意义:
卷积操作的动态演示:conv_arithmetic/README.md at master · vdumoulin/conv_arithmetic · GitHub
如果从形象的方式理解卷积的意义,即为进行一次特征“浓缩”,用另一个意思来讲,就是把它抽象化。最后经过很多次的抽象化,你会将原始的矩阵变成一个 1 维乘 1 维的矩阵,这就是一个数字(变成了可以让分类器处理的概率数字,有些像降维作用的意思)。
卷积层的介绍与实现:
在PyTorch官网中,详细介绍了常用的卷积操作函数:nn.Conv1d、nn.Conv2d、nn.Conv3d等,其中Conv1d针对一维的向量,Conv2d针对二维的向量,Conv3d针对三维的向量。在图像处理中,Conv2d的使用次数较多,因此本文以Conv2d为重点进行卷积层的介绍。
2.1 卷积层的参数:
在官网中关于卷积层的参数,描述如下:
Conv2d(in_channels, out_channels, kernel_size,
stride=1,padding=0, dilation=1,
groups=1,bias=True, padding_mode=‘zeros’)
in_channels:输入的通道数目 【必选】
out_channels: 输出的通道数目 【必选】
kernel_size:卷积核的大小,类型为int 或者元组,当卷积是方形的时候,只需要一个整数边长即可,卷积不是方形,要输入一个元组表示 高和宽。【必选】
stride: 卷积每次滑动的步长为多少,默认是 1 【可选】
padding: 设置在所有边界增加 值为 0 的边距的大小(就是在feature map 外围增加几圈 0 ),例如当 padding =1 的时候,如果原来大小为 3 × 3 ,那么之后的大小为 5 × 5 。即在外围加了一圈 0 。【可选】
dilation:控制卷积核之间的间距【可选】
groups:控制输入和输出之间的连接。(不常用)【可选】
bias: 是否将一个 学习到的 bias 增加输出中,默认是 True 。【可选】
padding_mode : 字符串类型,接收的字符串只有 “zeros” 和 “circular”。【可选】
2.2 卷积层的简单实现:
当设置DataLoader的参数batch_size=64时,表示一次性加载64张照片,写代码实现imgs和target的读取,并通过tensorboard对于生成的output进行查看,并与input进行对比。
上述代码仍是读取CIFAR10的图像数据,其中值得关注的是原始输入图像的尺寸、输出图像的尺寸,由于卷积操作之后的channels=6,因此需要借助reshape操作将通道数改成3,代码为:output = torch.reshape(output, (-1, 3, 30, 30))。
import torch
import torchvision
from torch import nn
from torch.utils.data import DataLoader
from torch.nn import Conv2d
from torch.utils.tensorboard import SummaryWriter
dataset = torchvision.datasets.CIFAR10(root="./data", train=False, transform=torchvision.transforms.ToTensor())
dataloader = DataLoader(dataset, batch_size=64)
class Model(nn.Module):
def __init__(self):
super(Model, self).__init__()
self.conv1 = Conv2d(in_channels=3, out_channels=6,
kernel_size=3, stride=1, padding=0)
def forward(self, x):
x = self.conv1(x)
return x
model = Model()
writer = SummaryWriter("./logs")
step = 0
for data in dataloader:
imgs, targets = data
output = model(imgs)
print(imgs.shape)
print(output.shape)
writer.add_images("input", imgs, step)
output = torch.reshape(output, (-1, 3, 30, 30))
writer.add_images("output", output, step)
step = step + 1
该图为所输入的input,为CIFAR10数据集:
![](https://img-blog.csdnimg.cn/img_convert/05dc92f22fb7e74fd3cb35851ba3b0e1.png)
下图为经过卷积操作之后得到的结果:
![](https://img-blog.csdnimg.cn/img_convert/5f6dce0b403c13d3ec943bb5b8e35938.png)
2.3对于卷积层输入input与输出output 的尺寸信息:
可以通过查看Pytorch官网Conv2d — PyTorch 1.13 documentation进行查看,下方放出一个样例作为参考:
![](https://img-blog.csdnimg.cn/img_convert/e59f6d4c52d2d7213d946f96b85338b2.png)
3.总结
本文在了解了卷积操作的具体实现方法之后,对于卷积层的创建进行了实战。卷积层可以有效地实现压缩特征,在对于后续神经网络中实现卷积操作有着重要意义。