Pytorch的内置模型 #2 卷积模型

Pytorch的内置模型 #2 卷积模型

前置

Module类分析

一个更简单的实例 线性模型

卷积基类

class _ConvNd(Module):

类定义

class _ConvNd(Module):
    __constants__ = ['stride', 'padding', 'dilation', 'groups',
                     'padding_mode', 'output_padding', 'in_channels',
                     'out_channels', 'kernel_size']
    __annotations__ = {
   'bias': Optional[torch.Tensor]}
    
    _in_channels: int
    out_channels: int
    kernel_size: Tuple[int, ...]
    stride: Tuple[int, ...]
    padding: Tuple[int, ...]
    dilation: Tuple[int, ...]
    transposed: bool
    output_padding: Tuple[int, ...]
    groups: int
    padding_mode: str
    weight: Tensor
    bias: Optional[Tensor]

变量表述

• in_channels 输入图像的通道数
• out_channels 卷积产生的通道数
• kernel_size 卷积核大小
• stride 卷积的步长
• padding 零填充
• padding_mode 填充方法: 'zeros', 'reflect', 'replicate' , 'circular'.
• groups 分组卷积
• bias 是否有偏置

初始化函数

def __init__(self,
                 in_channels: int,
                 out_channels: int,
                 kernel_size: _size_1_t,
                 stride: _size_1_t,
                 padding: _size_1_t,
                 dilation: _size_1_t,
                 transposed: bool,
                 output_padding: _size_1_t,
                 groups: int