通俗理解tf.nn.conv2d() tf.nn.conv3d( )参数的含义 pytorhc 卷积

20210609

例如（3，3，（3，7，7））表示的是输入图像的通道数是3，输出图像的通道数是3，（3，7，7）表示过滤器每次处理3帧图像，卷积核的大小是3 x 7 x 7。

https://blog.csdn.net/gaoxiaoxue_/article/details/107978094
https://blog.csdn.net/weixin_42769131/article/details/104826953

https://www.jianshu.com/p/6e1ef63615f8

问题1：关于pytorch 3D 卷积函数：Conv3d

torch.nn.Conv3d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True)

3D卷积神经网络多用于高维度图像数据，例如N帧的视频，由于看参数比较抽象，一般人难以理解具体含义，因此，我以一段100帧视频为例，每帧视频为100010003的彩色图像，1000*1000为图像大小，3为图像的RGB 3个通道。

参数说明：

in_channels(int) – 输入信号的通道（解释：每帧图像的通道数，本例为3）

out_channels(int) – 卷积产生的通道（解释：对应于用了多少个卷积核，如果1个卷积核，就是1，如果输出20，那就是20个卷积核）

kernel_size(int or tuple) - 卷积核的尺寸

stride(int or tuple, optional) - 卷积步长（每次核移动的步长）stride=1 表示stride=（1，1，1），在三维方向上步长是1，在宽和高上步长也是1。

padding(int or tuple, optional) - 输入的每一条边补充0的层数（主要是对图像周围的数据如何处理）padding=0 表示padding=（0，0，0）表示在三维方向上不padding，在宽和高上也不padding。

dilation(int or tuple, optional) – 卷积核元素之间的间距

groups(int, optional) – 从输入通道到输出通道的阻塞连接数

bias(bool, optional) - 如果bias=True，添加偏置

例如（3，3，（3，7，7））表示的是输入图像的通道数是3，输出图像的通道数是3，（3，7，7）表示过滤器每次处理3帧图像，卷积核的大小是3 x 7 x 7

注意：3D卷积的输入是5维的tensor

三维卷积层, 输入数据的尺度是(N, C_in,D,H,W)

举例：(1，3，100，1000，1000）表示输入1个视频，每个视频中图像的通道数是3，每个视频中包含的图像数是100，图像的大小是1000 x 1000。

输出尺度（N,C_out,D_out,H_out,W_out）

1，10，100，1000，1000）表示输出1个视频，每个视频中图像的通道数是10，每个视频中包含的图像数是100，图像的大小是1000 x 1000。

（参考文献：Pytorch学习笔记15----nn.Conv2d与Conv3d参数理解、单通道与多通道卷积理解 - 雨后观山色 - 博客园）

问题2：3D 卷积核大小说明

3D卷积操作如图2所示，同样分为单通道和多通道，且只使用一个filter，输出一个channel。
其中，针对单通道，与2D卷积不同之处在于，输入图像多了一个 depth 维度，故输入大小为(1, depth, height, width)，卷积核也多了一个k_d维度，因此卷积核在输入3D图像的空间维度（height和width维）和depth维度上均进行滑窗操作，每次滑窗与 (k_d, k_h, k_w) 窗口内的values进行相关操作，得到输出3D图像中的一个value。
针对多通道，输入大小为(多通道数, depth, height, width)，则与2D卷积的操作一样，每次滑窗与多个channels上的 (k_d, k_h, k_w) 窗口内的所有values进行相关操作，得到输出3D图像中的一个value。

https://blog.csdn.net/g11d111/article/details/82665265
PyTorch学习笔记(9)——nn.Conv2d和其中的padding策略

通俗理解tf.nn.conv2d()参数的含义

不分享的知识毫无意义 关注

2019.03.25 18:08:25 字数 326 阅读 1,537

首先以tensorflow中最常用的卷积神经网络为案例进行说明：

tf.nn.conv2d(
    input,
    filter,
    strides,
    padding,
    use_cudnn_on_gpu=True,
    data_format='NHWC',
    dilations=[1, 1, 1, 1],
    name=None)

首先input必须是一个四维的tensor，以28✖️28✖️1的图像为案例进行说明，首先需要转换为4维，需要加入图像样本的个数，假设为100张，变为[100,28,28,1]，直观理解为100张 2828的只有一个通道的图片。
我们再来看filter，即卷积神经网络的滤波器，必须与input维度相同，[3,3,1,2]，通俗理解为33的卷积核2个，只作用于1个通道，即input的最后一个参数和filter的倒数第二个参数是相同的。
第三个参数是stride，控制卷积核的移动步数，与上述两个参数相同，也是四维的，[1,1,1,1]，其中第一个1和最后一个1是固定值，需要改变的是中间的两个数，即在x轴和y轴的移动步长。
第四个参数是padding，只有两个取值，'SAME'和'VALID'，第一个是填充边界，第二个是当不足以移动时直接舍弃。
其他参数选择默认即可。

1人点赞

深度学习理论基础与实践

"小礼物走一走，来简书关注我"

赞赏支持 还没有人赞赏，支持一下

不分享的知识毫无意义 喜欢数据分析与挖掘，平时主要用hive、python进行数据分析，目前就职于汽车之家，期望与大...

总资产17 (约1.33元) 共写了7.7W字 获得126个赞 共44个粉丝

关注