Torch.nn

1、简单使用nn模型

简单使用nn模型，自定义一个模型，简单处理时输入数据+1作为输出

import torch
from torch import nn

class module(nn.Module):
    def __init__(self):
        super().__init__()

    def forward(self,input):
        output = input + 1
        return output


mod = module()
x = torch.tensor(1.0)
output = mod(x)
print(output)

结果：

 2、卷积层conv2d的相关知识

 相关代码：

import torch
import torch.nn.functional as F

#输入层
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]])
#卷积层
kernel = torch.tensor([[1,2,1],
                       [0,1,0],
                       [2,1,0]])

#显示尺寸，不满足conv2的输入尺寸,需要四个参数
print(input.shape)
print(kernel.shape)

#变换尺寸,input变换成batchsize为1，1通道，5x5
input = torch.reshape(input,(1,1,5,5))
kernel = torch.reshape(kernel,(1,1,3,3))

print(input.shape)
print(kernel.shape)
print("\n")

#stride=1,即横向，纵向每次跨度为1
output = F.conv2d(input,kernel,stride=1)
print(output)


#当stride=2时
output2 = F.conv2d(input,kernel,stride=2)
print(output2)

#padding
#padding=1时，把输入图片上下左右都增加一行元素

output3 = F.conv2d(input,kernel,stride=1,padding=1)
print(output3)

结果：