PyTorch深度学习——nn

最新推荐文章于 2024-07-11 15:22:58 发布

哆啦AI梦

最新推荐文章于 2024-07-11 15:22:58 发布

阅读量205

点赞数

分类专栏： PyTorch

本文链接：https://blog.csdn.net/m0_43425029/article/details/118424955

版权

PyTorch 专栏收录该内容

38 篇文章 3 订阅

订阅专栏

这篇博客介绍了PyTorch中nn.Module的使用，通过定义一个简单的Hue类展示了如何创建自定义模块。同时，详细解释了torch.nn.functional.conv2d函数，包括其主要参数，并给出了多个实例，演示了不同步长和填充对输出的影响。

摘要由CSDN通过智能技术生成

神经网络的学习，可以参考官方文档：
nn.Moudle

下面给一个调用nn.Moudle的小例子：

import torch
from torch import nn

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

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

hue = Hue()
x = torch.tensor(1.0)
output = hue(x)
print(output)

输出结果：

tensor(2.)

torch.nn.functional.conv2d的使用
torch.nn.functional.conv2d

主要参数：
在这里插入图片描述

调用例子：

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]])

print(input.shape)
print(kernel.shape)

input = torch.reshape(input,(1,1,5,5))
kernel = torch.reshape(kernel,(1,1,3,3))

print(input.shape)
print(kernel.shape)

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

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

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

torch.Size([5, 5])
torch.Size([3, 3])
torch.Size([1, 1, 5, 5])
torch.Size([1, 1, 3, 3])
tensor([[[[10, 12, 12],
          [18, 16, 16],
          [13,  9,  3]]]])
tensor([[[[10, 12],
          [13,  3]]]])
tensor([[[[ 1,  3,  4, 10,  8],
          [ 5, 10, 12, 12,  6],
          [ 7, 18, 16, 16,  8],
          [11, 13,  9,  3,  4],
          [14, 13,  9,  7,  4]]]])