一、最大池化
类似于卷积操作,这里最大池化的过程与卷积有部分相似之处,不多赘述
最大池化是为了保留数据特征,减少数据量
class Module(nn.Module):
def __init__(self):
super(Module, self).__init__() # 父类继承
self.maxpool1 = MaxPool2d(kernel_size=3, ceil_mode=True) # kernel_size=3表示池化核是3*3, ceil_mode=True表示是否保留前一步结果
def forward(self, input):
output = self.maxpool1(input)
return output
这边是定义的最大池化操作的神经网络,各关键词意思已经写在注释中
二、非线性激活
主要是ReLU和Sigmoid
定义一个神经网络
class Module(nn.Module):
def __init__(self):
super(Module, self).__init__()
self.relu1 = ReLU()
self.sigmoid1 = Sigmoid()
def forward(self, input):
output = self.sigmoid1(input)
return output
非线性激活是为了提高泛化能力
三、源码
# -*- coding = utf-8 -*-
import torch
from torch import nn
from torch.nn import Conv2d, ReLU, Sigmoid
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
import torch
from torch import nn
from torch.nn import MaxPool2d
# 最大池化,保留数据特征,减少数据量
'''
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]], dtype=torch.float32) # 类型转换
input = torch.reshape(input, (-1, 1, 5, 5)) # -1表示自动匹配batch_size,1表示通道数为1,图像尺寸为5*5
'''
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)
'''
class Module(nn.Module):
def __init__(self):
super(Module, self).__init__() # 父类继承
self.maxpool1 = MaxPool2d(kernel_size=3, ceil_mode=True) # kernel_size=3表示池化核是3*3, ceil_mode=True表示是否保留前一步结果
def forward(self, input):
output = self.maxpool1(input)
return output
'''
# 非线性激活,提高泛化能力
class Module(nn.Module):
def __init__(self):
super(Module, self).__init__()
self.relu1 = ReLU()
self.sigmoid1 = Sigmoid()
def forward(self, input):
output = self.sigmoid1(input)
return output
sj = Module()
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()
步骤其实大体上都是一样的
都是先自定义数据集载入,再按需求定义神经网络,最后在tensorboard中展示
其中最大池化的结果是类似于马赛克一样的图片(马赛克的基本原理其实是平均池化)
非线性激活的结果是让图片变暗,可以根据源码tensorboard一下
四、总结
从最初的对数据集,卷积,池化,非线性激活等一系列专有名词一无所知的情况下,到现在略知一二,个人认为对模型的直观认识是非常重要的。通过代码段来print,每一步去了解它的用意,进去了再加以思考,这是非常重要的