1.问题引出
图像像素过大(上亿像素),MLP参数过大,存储难,运算也难。
平移不变性和局部性
例子:图片中的这个人不论在图片中的任意位置,都应该被我们的分类器所找到,这就是平移不变性,另外,找这个人也不需要看全部图片,指要看附近就好了,这是局部性。
- 下边仍然是在全连接层上进行思考,只是把维度扩充了。把原来的一维变为2维(所以2维变成了4维)
- 原则1:平移不变性的理解:因为V不应该依赖于(i,j)
- 原则2 :局部性
- 总结
2.卷积层
二维交叉相关
二维卷积层
卷积核可以学习图下的算子得到想要的结果。
卷积VS交叉相关
总结
- 卷积层将输入和核矩阵进行交叉相关,加上偏移后得到输出
- 核矩阵和偏移都是可学习的参数
- 核矩阵的大小是超参数
3.代码实现
3.1互相关运算
import torch
from torch import nn
from d2l import torch as d2l
def corr2d(X, K): #@save
"""计算二维互相关运算。"""
h, w = K.shape
Y = torch.zeros((X.shape[0] - h + 1, X.shape[1] - w + 1))
for i in range(Y.shape[0]):
for j in range(Y.shape[1]):
Y[i, j] = (X[i:i + h, j:j + w] * K).sum()
return Y
X = torch.tensor([[0.0, 1.0, 2.0], [3.0, 4.0, 5.0], [6.0, 7.0, 8.0]])
K = torch.tensor([[0.0, 1.0], [2.0, 3.0]])
corr2d(X, K)
3.2自定义实现卷积层
class Conv2D(nn.Module):
def __init__(self, kernel_size):
super().__init__()
self.weight = nn.Parameter(torch.rand(kernel_size))
self.bias = nn.Parameter(torch.zeros(1))
def forward(self, x):
return corr2d(x, self.weight) + self.bias
3.3边缘检测
#希望检测出两条竖线
X = torch.ones((6, 8))
X[:, 2:6] = 0
X
#搞出一个算子
K = torch.tensor([[1.0, -1.0]])
Y = corr2d(X, K)
Y
corr2d(X.t(), K)
3.3自定义实现检测
# 构造一个二维卷积层,它具有1个输出通道和形状为(1,2)的卷积核
conv2d = nn.Conv2d(1, 1, kernel_size=(1, 2), bias=False)
# 这个二维卷积层使用四维输入和输出格式(批量大小、通道、高度、宽度),
# 其中批量大小和通道数都为1
X = X.reshape((1, 1, 6, 8))
Y = Y.reshape((1, 1, 6, 7))
for i in range(10):
Y_hat = conv2d(X)
l = (Y_hat - Y)**2
conv2d.zero_grad()
l.sum().backward()
# 迭代卷积核
conv2d.weight.data[:] -= 3e-2 * conv2d.weight.grad
if (i + 1) % 2 == 0:
print(f'batch {i+1}, loss {l.sum():.3f}')
conv2d.weight.data.reshape((1, 2))
4.QA
- 感受野是越大越好,但是一般的,都习惯于把网络设计成层数多一些,卷积核尺寸小一些。
- 卷积核的大小体现了局部性,在图像上卷积核的数值不变体现了平移不变性
- 损失随着迭代次数在抖动的话,可能是数据本身多样性就大。但得确保是抖动中下降的,可以曲线平滑,也可以batch_size调大一点,