一、nn.Conv2d
nn.Conv2d 是 PyTorch 中的一个类,它代表了一个二维卷积层,通常用于处理图像数据。在深度学习和计算机视觉中,卷积层是构建卷积神经网络(CNN)的基本构件,它们能够从图像中提取特征。
二维卷积层 nn.Conv2d 的相关参数:
- in_channels:输入图像的通道数。例如,对于彩色图像,通常 in_channels 为 3,因为彩色图像有 RGB 三个通道。
- out_channels:输出特征图的通道数。这个参数决定了卷积层输出的特征图数量,也就是卷积核的数量。
- kernel_size:卷积核的大小。它是一个元组或整数,指定了卷积核在每个空间维度(高度和宽度)上的尺寸。例如,kernel_size=3
表示卷积核是 3x3 的。 - stride:卷积的步长。它指定了卷积核在图像上滑动的间隔。默认值为 1,意味着卷积核每次移动一个像素。
- padding:填充。它用于在输入图像的边界周围填充零。这通常用于控制输出特征图的空间尺寸。
- dilation:膨胀。它用于控制卷积核中元素之间的间距,用于增大卷积核的感受野。
- groups:分组卷积的组数。通过设置这个参数,可以使得卷积层的某些部分不与其他部分的输入或输出相连接,这在某些特定的网络架构中很有用。
二、卷积操作原理
假设输入图像是一个5x5的矩阵,而卷积核是一个3x3的矩阵,通过卷积操作得到结果矩阵
- 当卷积步长stride=1,计算方式:
-
把卷积核放在输入图像当中,也就是1x1+2x2+1x1+2x1+1x2=10,将得到的答案放在结果的第一个框框里头。
-
以此类推,进行第二个操作:
- 同样第三个操作:
- 需要注意的是,卷积核不能出格子,也就是不能像下图操作:
- 在第一行运行结束后,就往下面进行运算:
以此类推,将卷积核在输入图像中全部运算完成。
三、代码实现卷积操作
import torch
import torch.nn.functional as F
input = torch.tensor([
[1, 2, 0, 3, 1],
[0, 1, 2, 3, 1],
[1, 2, 1, 0, 0],
[5, 2, 3, 1, 1],
[2, 1, 0, 1, 1]])
kernel = torch.tensor([
[1, 2, 1],
[0, 1, 0],
[2, 1, 0]])
#通过函数reshape进行格式的转换
input = torch.reshape(input,(1, 1, 5, 5))
kernel = torch.reshape(kernel,(1, 1, 3, 3))
#查看转换后的input和kernel格式
print(input.shape)
print(kernel.shape)
output = F.conv2d(input, kernel, stride=1)
print(output)
注:因为conv2d的输入格式一定要是(x,y,z,t)4个数字形式,故需要使用reshape函数先进行数据的转换,然后再输入给conv2d当中。
运行结果:
可以看到输出的矩阵结果跟我们上面计算的结果是一致的。