PyTorch实现卷积和池化(kaggle环境)

这篇博客介绍了如何在PyTorch中实现卷积和池化操作。首先,从kaggle环境中加载并转化为灰度图,然后将图片矩阵转化为Tensor并调整大小以适应卷积层。接着,定义并应用卷积核进行卷积操作,展示卷积后的结果。随后,引入最大池化层,定义池化大小,并展示池化后的图片大小及图片本身。
摘要由CSDN通过智能技术生成
import numpy as np
import torch
from torch import nn
from torch.autograd import Variable
from PIL import Image
import matplotlib.pylab as plt
%matplotlib inline

卷积层

导入图片并且转化为灰度图

kaggle环境中所有本地数据都有上传才能加载!

im = Image.open('../input/cat.jpg').convert('L')

将图片转化为矩阵

im = np.array(im, dtype='float32')

查看图片,将图片矩阵转化为uint8类型,uint8是无符号八位整型,表示范围是[0, 255]的整数,colormap为gray

plt.imshow(im.astype('uint8'), cmap='gray')
<matplotlib.image.AxesImage at 0x7f301f697160>

在这里插入图片描述

im.shape
  • 2
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值