什么是卷积？

课堂笔记|课程链接：土堆说卷积操作（可选看）_哔哩哔哩_bilibili

目录

官方文档如何介绍的卷积？

根据理论，手算一下卷积操作

实践，用代码验证一下计算结果

官方文档如何介绍的卷积？

官方文档：torch.nn — PyTorch 2.0 documentation

看看conv2d的功能：torch.nn.functional.conv2d — PyTorch 2.0 documentation

参数如下

根据理论，手算一下卷积操作

对应位置的数相乘加在一起 

实践，用代码验证一下计算结果

1.先设置好输入和卷积核

import torch
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]])
# 卷积核取名叫kernel
kernel = torch.tensor([[1, 2, 1],
                       [0, 1, 0],
                       [2, 1, 0]])
print(input.shape)
print(kernel.shape)

运行结果：

2.在print之前加两行： 

input = torch.reshape(input, (1, 1, 5, 5))  # 通道数为1，batch_size为1，数据维度为5×5
kernel = torch.reshape(kernel, (1, 1, 3, 3))

print的运行结果：

3.stride是干嘛的？

进行一次卷积，以stride=1为例

先在最上面import torch.nn.functional as F，然后在最下面敲

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

运行结果：

可见，与理论一致

如果stride=2呢？

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

运行结果：

tensor([[[[10, 12],
               [13, 3]]]])

 4.padding是干嘛的？

输入图像四周填充一圈0

 跑下代码看看：

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

运行结果：