卷积神经网络(基础篇)

1. 卷积操作

import torch
# 定义输入、输出通道
in_channels, out_channels = 5, 10
# 定义图像尺寸
width, height = 100, 100
# 定义卷积核的大小，下式表示大小为3*3的正方形，同时，卷积核的通道数与输入图像的通道数一致，均为5
kernel_size = 3
# 定义一次输入图像的数量
batch_size = 1

input = torch.randn(batch_size,
                    in_channels,
                    width,
                    height)

# out_channels 决定了卷积核的数量, 即一共有10个3*3*5的卷积核
conv_layer = torch.nn.Conv2d(in_channels,
                             out_channels,
                             kernel_size=kernel_size)
output = conv_layer(input)

print(input.shape)
print(output.shape)
print(conv_layer.weight.shape)

torch.Size([1, 5, 100, 100])
torch.Size([1, 10, 98, 98])
torch.Size([10, 5, 3, 3])

有时，我们希望获得与原图像相同大小的卷积后的图像，这时需要属性padding，默认为0

conv_layer_with_padding = torch.nn.Conv2d(in_channels,
                                          out_channels,
                                          padding=1,
                                          kernel_size = kernel_size)
output_with_padding = conv_layer_with_padding(input)
print(output_with_padding.shape)

torch.Size([1, 10, 100, 100])

还有时，我们希望再次降低网络的大小，以降低运算量。此时引入卷积核移动步长stride的概念，默认为1

conv_layer_with_stride = torch.nn.Conv2d(in_channels,
                                         out_channels,
                                         stride=2,
                                         kernel_size=kernel_size)

output_with_stride = conv_layer_with_stride(input)
print(output_with_stride.shape)

torch.Size([1, 10, 49, 49])

2. 下采样

下采样与卷积无本质区别，不同的在于目的。下采样的目的是将数据维度再次减少。
最常用的下采样手段是Max Pooling 最大池化。

input = [
    3,4,6,5,
    2,4,6,8,
    1,6,7,8,
    9,7,4,6,
]
input = torch.Tensor(input).view(1,1,4,4)
maxpooling_layer = torch.nn.MaxPool2d(kernel_size=2)
# 注意，我们将kernel_size设为2，此时stride默认也为2

output = maxpooling_layer(input)
print(output)

tensor([[[[4., 8.],
          [9., 8.]]]])