Pytorch--Convolution Layers

---

1.nn.Conv1d

torch.nn.Conv1d() 是 PyTorch 中用于定义一维卷积层的类。一维卷积层常用于处理时间序列数据或具有一维结构的数据。

构造函数 torch.nn.Conv1d() 的语法如下：

torch.nn.Conv1d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True)
"""
参数说明：
in_channels：输入的通道数，即输入的特征图的深度。
out_channels：输出的通道数，即卷积核的数量，也是输出的特征图的深度。
kernel_size：卷积核的大小，可以是一个整数或一个元组/列表。
stride：卷积核的步幅大小，默认为 1。
padding：在输入的两侧添加填充的大小，默认为 0。
dilation：卷积核元素之间的间距，默认为 1。
groups：将输入和输出连接的组数，默认为 1。
bias：是否在卷积中使用偏置，默认为 True。
"""

一维卷积层的输入形状为 (batch_size, in_channels, input_length)，其中 batch_size 是批次大小，input_length 是输入序列的长度。输出形状为 (batch_size, out_channels, output_length)，其中 output_length 是输出序列的长度，由输入序列长度、卷积核大小、填充和步幅等参数决定。

import torch
import torch.nn as nn

# 创建一个一维卷积层
conv_layer = nn.Conv1d(in_channels=3, out_channels=10, kernel_size=3, stride=1, padding=1)

# 输入数据
input_data = torch.randn(32, 3, 100)  # 输入数据形状为 (batch_size, in_channels, input_length)

# 前向传播
output = conv_layer(input_data)

print("输出形状:", output.shape)  # 输出形状为 (32, 10, 100)

2.torch.nn.Conv2d()

torch.nn.Conv2d() 是 PyTorch 中用于定义二维卷积层的类。二维卷积层在处理图像数据或具有二维结构的数据时非常常用。

torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True)
"""
参数说明：
in_channels：输入的通道数，即输入特征图的深度。
out_channels：输出的通道数，即卷积核的数量，也是输出特征图的深度。
kernel_size：卷积核的大小，可以是一个整数或一个元组/列表。
stride：卷积核的步幅大小，默认为 1。
padding：在输入的两侧添加填充的大小，默认为 0。
dilation：卷积核元素之间的间距，默认为 1。
groups：将输入和输出连接的组数，默认为 1。
bias：是否在卷积中使用偏置项，默认为 True。
"""

二维卷积层的输入形状为 (batch_size, in_channels, height, width)，其中 batch_size 是批次大小，height 和 width 分别是输入图像的高度和宽度。输出形状为 (batch_size, out_channels, output_height, output_width)，其中 output_height 和 output_width 是输出特征图的高度和宽度，取决于输入图像的大小、卷积核大小、填充和步幅等参数。

import torch
import torch.nn as nn

# 创建一个二维卷积层
conv_layer = nn.Conv2d(in_channels=3, out_channels=10, kernel_size=3, stride=1, padding=1)

# 输入数据
input_data = torch.randn(32, 3, 64, 64)  # 输入数据形状为 (batch_size, in_channels, height, width)

# 前向传播
output = conv_layer(input_data)

print("输出形状:", output.shape)  # 输出形状为 (32, 10, 64, 64)

---

输出形状: torch.Size([32, 10, 64, 64])

3.torch.nn.ConvTranspose1d()

一维转置卷积层可以用于将特征图的尺寸扩大，通常用于上采样操作。转置卷积的计算方式与普通卷积相反，可以将较小的特征图映射到较大的输出特征图。因此，转置卷积层通常用于生成更高分辨率的特征图。

torch.nn.ConvTranspose1d(in_channels, out_channels, kernel_size, stride=1, padding=0, output_padding=0, groups=1, bias=True, dilation=1)
"""
参数说明：

in_channels：输入的通道数。
out_channels：输出的通道数。
kernel_size：卷积核的大小。
stride：步幅大小，默认为 1。
padding：输入的零填充大小，默认为 0。
output_padding：输出的零填充大小，默认为 0。
groups：输入和输出的通道之间的连接数，默认为 1。
bias：是否使用偏置参数，默认为 True。
dilation：卷积核的扩张大小，默认为 1。
"""

import torch.nn as nn

# 定义一维转置卷积层
conv_transpose = nn.ConvTranspose1d(in_channels=3, out_channels=5, kernel_size=3, stride=2, padding=1)

# 创建随机输入数据
input = torch.randn(1, 3, 10)  # 输入大小为 (batch_size, in_channels, input_length)

# 应用转置卷积层
output = conv_transpose(input)

print("Output shape:", output.shape)

Output shape: torch.Size([1, 5, 19])

3.torch.nn.ConvTranspose2d()

torch.nn.ConvTranspose2d 是 PyTorch 中用于定义二维转置卷积层的类。二维转置卷积层也称为反卷积层或上采样层，用于将输入特征图的尺寸扩大。

torch.nn.ConvTranspose2d(in_channels, out_channels, kernel_size, stride=1, padding=0, output_padding=0, groups=1, bias=True, dilation=1)
"""
参数说明：

in_channels：输入的通道数。对于输入的二维特征图，通道数就是特征图的深度。
out_channels：输出的通道数。表示转置卷积层中卷积核的数量，也是输出特征图的深度。
kernel_size：卷积核的大小。可以是一个整数，表示正方形卷积核的边长，或者是一个元组 (h, w)，表示卷积核的高度和宽度。
stride：步幅大小。可以是一个整数，表示在输入特征图上水平和垂直滑动卷积核的步幅，或者是一个元组 (h, w)，表示水平和垂直方向的步幅。
padding：输入的零填充大小。控制输入特征图四周添加零填充的数量，默认为 0。
output_padding：输出的零填充大小。控制输出特征图四周添加零填充的数量，默认为 0。
groups：输入和输出的通道之间的连接数。默认为 1，表示每个输入通道都与输出通道相连。
bias：是否使用偏置参数。控制是否在卷积计算中使用偏置，默认为 True。
dilation：卷积核的扩张大小。可以是一个整数，表示卷积核中的元素之间的间隔，或者是一个元组 (h, w)，表示水平和垂直方向的扩张大小。
"""

import torch
import torch.nn as nn

# 定义二维转置卷积层
conv_transpose = nn.ConvTranspose2d(in_channels=3, out_channels=5, kernel_size=3, stride=2, padding=1)

# 创建随机输入数据
input = torch.randn(1, 3, 10, 10)  # 输入大小为 (batch_size, in_channels, height, width)

# 应用转置卷积层
output = conv_transpose(input)

print("Output shape:", output.shape)

Output shape: torch.Size([1, 5, 19, 19])

公式

H_out=(H_in−1)×stride[0]−2×padding[0]+dilation[0]×(kernel_size[0]−1)+
output_padding[0]+1