python学习2——pytorch中F.conv2d()使用

断点运行，以及一步运行。

 

 

 构造一个5*5的数据集，卷积核为3*3，卷积过程为，卷积核从图像的左侧开始，相对应的数据相乘在相加，最后输出。完成一次卷积后，若stride=1向右侧移动一个像素，继续卷积运算。当第一行完成后，向下移动一个像素，同时移动到图像最左侧，继续进行卷积运算。若padding=1，则在原始数据边缘增加一圈默认为0的像素，再进行卷积运算。

import torch
import torch.nn.functional as F
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]])
kernel = torch.tensor([[1,2,1],
                       [0,1,0],
                       [2,1,0]])
input = torch.reshape(input, (1, 1, 5, 5))#尺寸的变换
kernel = torch.reshape(kernel, (1, 1, 3, 3))

print(input.shape)
print(kernel.shape)
#stride,按照几个像素进行卷积，=1卷积核每次向右移动一个像素，完成后向下移动一个像素
output = F.conv2d(input, kernel, stride=1)
print(output)
output2 = F.conv2d(input, kernel, stride=2)
print(output2)
#padding,在输入边缘进行填充一个像素，默认为0像素。
output3 = F.conv2d(input, kernel, stride=1, padding=1)
print(output3)

想要运行该程序，需要添加pytorch。