Pytorch学习记录（5）卷积操作的介绍

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。

1. 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）。

2. 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：

下图为经过卷积操作之后得到的结果：

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：

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。