打卡【小土堆】第17/33个视频《卷积操作》

卷积操作在下面这个包当中，需要先引入包如下：

import torch
import torch.nn.functional as F

视频中用到的是一个二维图片卷积：torch.nn.functional.conv2d

主要的参数如下（来自官方文档）：

input：就是我么所输入的图像

weight：权重，用专业术语来说是卷积核

padding：是否扩展，默认为0

有一个5*5的输入图象和3*3的卷积核

输入图像为：

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

卷积核为：         

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

先用手动的方法来实现卷积操作：

当padding为0的时候，把圆圈的的数相乘相加，得到的是卷积结果得第一个数

例如：

然后分别向右或向下移动，以此类推，计算出最终结果为：

10	12	12
18	16	16
13	9	3

如果padding为1，则扩充输入图像为：填充值，默认为1

	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

用代码实现如下

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]])
kernal= torch.tensor([[1,2,1],
                      [0,1,0],
                      [2,1,0]])

input =torch.reshape(input,(1,1,5,5))
kernal =torch.reshape(kernal,(1,1,3,3))

print(input.shape)
print(kernal.shape)

output = F.conv2d(input,kernal,padding=0,stride=1)
print(output)

输出结果为：

如过padding的值设为1则输出结果为：