对单通道数据进行卷积
如果我们训练的数据是单通道照片,那么一个样本其数据结构是二维矩阵。
因为训练模型时,一般都是使用小批量(n个样本)多次对模型进行训练。那么这一个批次的数据就是三维结构(多个二维数据组成三维数据)。
那么整个数据集因为分成了很多个小批量数据。最终整个数据集应该组织成一个四维数据结构(多个三维数据组成思维数据)。
现在我们有一个照片数据集,这个数据集只有一张照片。
假设该照片是单通道照片,那么我们按照上面的推理,应该把这一张照片组织成四维数据
from IPython.core.interactiveshell import InteractiveShell
InteractiveShell.ast_node_interactivity = 'all' #显示多个变量结果
import numpy as np
import torch.nn as nn
import torch as t
#单通道是二维数据
img1 = np.array([[3,3,2,1,0],
[0,0,1,3,1],
[3,1,2,2,3],
[2,0,0,2,2],
[2,0,0,0,1]])
#5*5,说明是二维的
img1.shape
img1_tensor = t.Tensor(one_channel_data)
img1_tensor
运行结果
(5, 5)
tensor([[3., 3., 2., 1., 0.],
[0., 0., 1., 3., 1.],