PyTorch学习笔记（四） -------卷积层

什么是卷积？

来看这张图

输入图像是224*224*3 即图片尺寸是224*224，3个通道；输出图片尺寸是224*224，64个通道

个人认为，卷积就是图片经过卷积核的映射过程，如下图所示

什么是通道？

在卷积操作中一般要求设置的in_channel和out_channel

在一遍jpg，png图片中，in_channel=3，为RGB三个通道，RGB的不同可以调整图片的色彩

out_channel则表示卷积核的数量，卷积核的数量=输出通道

以上就是这次学习中对这两个基本概念的个人理解，想要更细致的理解建议可以看看吴恩达老师的机器学习，在学习过程中可以先尝试着敲一些代码，来print一下看它的模型是什么样的，然后配合理论概念进行理解

下面来看代码模型

这里测试一个图像数据集，给定它的卷积核

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
kelnel = torch.tensor([[1, 2, 1],
                       [0, 1, 0],
                       [2, 1, 0]])

当然，要进行reshape操作变换参数

input = torch.reshape(input, (1, 1, 5, 5))  # 变换，二维通道数为1， batch_size=1（每次送入的图片数量）， 后面是5*5, reshape完变成4维
kelnel = torch.reshape(kelnel, (1, 1, 3, 3))  # 同上

print(input.shape)
print(kelnel.shape)

下面来看cnn中Modul的参数调试

output = F.conv2d(input, kelnel, stride=1)  # conv2d表示二维卷积操作，F表示非线性化，图像（二维矩阵）， 卷积核， stride=1指步数为1
print(output)  # 卷积后的输出

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

# padding=1,上下左右扩展一位，空的地方默认为0
output3 = F.conv2d(input, kelnel, stride=1, padding=1)
print(output3)

这里主要是测试三种，对stride，padding进行了解，stride表示卷积时候的步长，padding表示是否上下左右扩展

下面是完整实践的代码

# -*- coding = utf-8 -*-
import torch
from torch import nn
from torch.nn import Conv2d
from torch.utils.data import Dataset
import cv2
from PIL import Image  # 图像处理的库
import os

from torch.utils.tensorboard import SummaryWriter
from torchvision import transforms
from torch.utils.data import DataLoader

class MyData(Dataset):
    def __init__(self, root_dir, label_dir, transform=None):  # 初始化类，为class提供全局变量
        self.transform = transform
        self.root_dir = root_dir  # 根文件位置
        self.label_dir = label_dir  # 子文件名
        self.path = os.path.join(self.root_dir, self.label_dir)  # 合并，即具体位置
        self.img_path = os.listdir(self.path)  # 转换成列表的形式

    def __getitem__(self, idx):  # 获取列表中每一个图片
        img_name = self.img_path[idx]  # idx表示下标，即对应位置
        img_item_path = os.path.join(self.root_dir, self.label_dir, img_name)  # 每一个图片的位置
        img = Image.open(img_item_path)  # 调用方法，拿到该图像
        img = img.convert("RGB")
        img = self.transform(img)
        label = self.label_dir  # 标签
        return img, label  # 返回img 图片 label 标签

    def __len__(self):  # 返回长度
        return len(self.img_path)
tensor_trans = transforms.Compose([transforms.ToTensor(), transforms.Resize([512, 512])])
root_dir = 'D://情绪图片'  # 根目录
happy_label_dir = '开心'  # 子目录
happy_dataset = MyData(root_dir, happy_label_dir, transform=tensor_trans)  # 开心数据集创建完成
test_loader = DataLoader(dataset=happy_dataset, batch_size=4, shuffle=True, num_workers=0, drop_last=False)
# batch_size每次取dataset的四个数据集并打包, shuffle是是否打乱，drop_last为False即最后一步不满4个时不舍，反之舍
class SJ(nn.Module):
    def __init__(self):
        super(SJ, self).__init__()  # 继承父类
        self.conv1 = Conv2d(in_channels=3, out_channels=6, kernel_size=3, stride=1, padding=0)
        # 初始化，现在网络中有一个卷积层，in_channels=3表示输入通道为3，一般jpg图片为RGB三个通道，RGB的不同可以调整图片的色彩
        # out_channels=6表示输出通道为6，卷积核的数量=输出通道，kernel_size表示卷积核的大小为3*3，stride表示步长，padding表示是否上下左右扩展
    def forward(self, x):
        x = self.conv1(x)  # 将X放入卷积层卷积
        return x

sj = SJ()
step = 0
writer = SummaryWriter('sj')
for data in test_loader:
    imgs, label = data
    output = sj(imgs)

    step = step + 1
    writer.add_images('input', imgs, step)
    output = torch.reshape(output, (-1, 3, 510, 510))  # 修改输出通道为3， 前面-1表示batch_size不变，后面是图像尺寸
    writer.add_images('output', output, step)
writer.close()

前面数据集的创建在前几篇博客中有介绍过，这里不多讲述

后面class CJ（nn_Module）主要是定义了一个神经网络，各行代码的意思在注释中已经标出

下面来看卷积前后的对比

卷积前

 卷积后

 这里的数据集从摄图网中下载，约有一百张，仅用于代码学习，不做他用。

欢迎评论私信交流，共同进步~