【PyTorch教程】P17 卷积

nemo_0410

已于 2022-04-11 20:04:54 修改

阅读量2.7k

点赞数 3

分类专栏： Python/Pycharm 深度学习/PyTorch 图像处理文章标签：计算机视觉图像处理深度学习 pytorch

于 2022-03-08 21:39:16 首次发布

本文链接：https://blog.csdn.net/weixin_42306148/article/details/123363982

版权

Python/Pycharm 同时被 3 个专栏收录

92 篇文章 64 订阅

订阅专栏

深度学习/PyTorch

71 篇文章 29 订阅

订阅专栏

图像处理

56 篇文章 4 订阅

订阅专栏

卷积

在torch.nn.function当中，能够看到跟视频一样的结果，所以，要对torch官网很熟悉，经常去查：
代码中说的，kernel和input的四个参数，含义不一样了，指的是这个：

在这里插入图片描述

可以运行的代码

# ！usr/bin/env python3
# -*- coding:utf-8 -*-

"""
author :24nemo
 date  :2021年07月07日
"""


'''
torch.nn 和 torch.nn.functional 是包含关系，functional 指的是具体的函数源代码，而 torch.nn 是封装好的，可以直接使用

他们的区别，从conv的大小写（Conv和conv），也能看出来。而且，torch.nn.functional中，带着 functional，torch.nn 是不用加的

本节的内容，都是结合torch.nn.functional 实现的，具体的查看 ：
https://pytorch.org/docs/stable/generated/torch.nn.functional.conv2d.html#torch.nn.functional.conv2d

具体的函数，以及参数，都有讲到
torch.nn.functional.conv2d(input, weight, bias=None, stride=1, padding=0, dilation=1, groups=1) → Tensor
'''

import torch
import torch.nn.functional as F  # 制作一个函数的句柄，后面方便直接使用了


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]])
print("input:", input)
print("kernel:", kernel)

print("input.shape:", input.shape)
print("kernel.shape:", kernel.shape)


#  要想用 torch.nn.functional.conv2d 这个函数，就必须满足形状的要求，上述的尺寸不满足，要做处理
#  上述的尺寸，只有input.shape: torch.Size([5, 5])， kernel.shape: torch.Size([3, 3])，并没有4个通道


input = torch.reshape(input, (1, 1, 5, 5))  # 注意这4个数字的意义，分别是：batch_size, in_channel, H, W , 变换形状之后，重新赋值给 input
kernel = torch.reshape(kernel, (1, 1, 3, 3))  # 注意这4个数字的意义，跟上面的不一样了

print("input.shape:", input.shape)
print("kernel.shape:", kernel.shape)

output = F.conv2d(input, kernel, stride=1)
print(output)

output2 = F.conv2d(input, kernel, stride=2)
print(output2)

output3 = F.conv2d(input, kernel, stride=1, padding=1)  # padding 设置的值，是往外扩充的行列数，值都是0，至于想要修改这个值，还有另外一个参数，一般不改
print(output3)

output4 = F.conv2d(input, kernel, stride=1, padding=0)  # padding 默认值是 0
print(output4)