一、卷积层
1. 1d/2d/3d卷积
2. nn.Conv2d()
3. 转置卷积-nn.ConvTranspose
二、池化层
三、线性层
四、激活函数层
一、卷积层
首先我们了解卷积的概念,去区分是一维卷积还是二维卷积还是三维卷积。
然后学习nn.Conv2d()这个方法。最后学习转置卷积的概念及名字的由来。
1. 1d/2d/3d卷积
可以把卷积核看成是某种特征,某种模式。
我们可以从模板匹配的角度上去观察卷积操作。卷积操作就是拿着一个特征检测器,到我们的图像上进行扫描,不断地检测图像的每一个区域,与我们的特征检测器的模式是否相似。越相似,它的激活值越高,从而实现了一个特征提取功能。所以,在深度学习中,我们把卷积核看成是特征提取器的检测器。
我们看右边这张图,是AlexNet卷积核的一个可视化。我们发现卷积核学习到的是图像的一些细节特征。这也进一步验证了,卷积核是图像的某种特征提取。具体是哪一种特征,哪一种提取器,是由模型学习而来。
我们了解了卷积的基本操作,那我们该如何区分卷积是几维的呢?
在pytorch中,提供了一维二维三维卷积。
一般情况下,卷积核在几个维度上滑动,就是几维。 几维的卷积生成几维的特征图。
2. nn.Conv2d()
nn.Conv2d()方法主要对多个二维信号进行二维卷积。
in_channels:输入通道数。
out_channels:输出通道数。也就是常说的卷积核的个数。
padding:保持输入和输出的图像的尺寸不变。如下图,加入padding之后,图像的分辨率、尺寸大小是完全没有变化的。
dilation:空洞卷积大小。
阴影部分是卷积核的权值,权值之间是有间隔的,也可以理解为是带空洞的卷积核。这样的卷积核执行的卷积操作就是空洞卷积。空洞卷积通常应用于图像分割任务。它主要的 的作用是为了提升感受野,也就是输出图像一个像素能够看到前面图像更大的一个区域。
groups:设置分组卷积的组数。分组卷积通常用于模型的轻量化。例如我们的shuffleNet,..,mobleNet。其实我们的AlexNet也是采用分组卷积,但是它采用的分组卷积是由于硬件的限制,它采用了两个GPU进行训练。
下面我们来看尺寸是如何变化的。
简化版是不带padding,也不带dilation的。
下面来看一下卷积之后输出的图像:
# -*- coding: utf-8 -*-
"""
# @file name : nn_layers_convolution.py
# @brief : 学习卷积层,2d卷积
"""
import os
BASE_DIR = os.path.dirname(os.path.abspath(__file__))
import torch.nn as nn
from PIL import Image
from torchvision import transforms
from matplotlib import pyplot as plt
path_tools = os.path.abspath(os.path.join(BASE_DIR, "tools", "common_tools.py"))
assert os.path.exists(path_tools), "{}不存在,请将common_tools.py文件放到 {}".format(path_tools, os.path.dirname(path_tools))
from tools.common_tools import transform_invert, set_seed
set_seed(2 ) # 设置随机种子
# ================================= load img ==================================
path_img = os.path.join(os.path.dirname(os.path.abspath(__file__)), "lena.png")
img = Image.open(path_img).convert('RGB') # 0~255。采用PIL的形式读取进来。
# convert to tensor。转换成张量的形式。
img_transform = transforms.Compose([transforms.ToTensor()])
img_tensor = img_transform(img) #使用transforms.ToTensor方法将
img_tensor.unsqueeze_(dim=0) # C*H*W to B*C*H*W。 拓展到4维的张量。
# ================================= create convolution layer ==================================
# ================ 2d卷积
conv_layer = nn.Conv2d(3, 1, 3) # input:(i, o, size) weights:(o, i , h, w)。因为是RGB图像,有三个通道,所以in_channels为3。out_channels为1,即设置1个卷积核来观察。卷积核大小为3.
nn.init.xavier_normal_(conv_layer.weight.data) #对conv_layer进行初始化。
# calculation
img_conv = conv_layer(img_tensor) #把图像张量输入到卷积层中,得到输出。
# ================================= visualization ==============