21 卷积层里的多输入多输出通道【动手学深度学习v2】（笔记）

目录

一、多输入输出通道

 二、代码实现

三、问题总结

一、多输入输出通道

1、之前说的图片都是灰度，但是现实是RGB三通道的彩色图片，怎么办？

 2、那你每层给一个卷积核，每个卷积核和每一层遍历，然后得到结果相加

 3、给你个累加公式看看 c是第几个通道，不管输入是几个通道，输出都是单通道

 4、上面说只输出一个通道，但是，你还要研究多个输出通道哇，这里有点不懂。这里多了几个三维卷积核C（o），最后输出也是多个

一个通道包含类似的可以提取相同特征的核吧 一个通道负责一种特征，比如一个核提取边缘信息，一个核提取另一种信息

 5、多个输出通道，采用的不同核，就是识别一个特定的特征

 6、我又不理解了

输入是三通道，输出是两通道

两个核

第一个核，与X进行互相关计算，这第一个核的每层与X的每层的每个元素进行计算，然后相加，

k00 * x00 + k10 * x10 + k20 * x20 得到第0层的第0个值

k00 * x01 + k10 * x11 + k20 * x21 得到第0层的第1个值

k00 * x02 + k10 * x12 + k20 * x22 得到第0层的第2个值

以此类推

 7、这么想，最后输出mw*mh个点,有co通道，实际有Co*mh*mw个点，卷积核kw*kh乘加操作, 有ci个通道, Ci*Kw*Kh次乘法操作

 8、总结，最后得到的是一个四维的张量

 二、代码实现

zip函数用于将可迭代的对象作为参数，将对象中对应的元素打包成一个个元组，然后返回由这些元组组成的列表。

这里的sum是个函数吧，前面的sum是方法

torch.stack():沿着一个新维度对输入张量序列进行连接，序列中所有的张量都应该为相同形状

1是1*1的卷积，2是前面的那个多输出通道的公式，因为K他俩都是一样的，所以也可以说都是1*1的卷积，只是有y1拉成了向量而已，没多大区别

1X1的核，相当于将图片在每个chanel下被拉成了向量，chanel变batch_size

三、问题总结