本章主要内容
1、理解什么是卷积
2、构建卷积神经网络
3、构建自定义的nn.Module的子类
4、模块和函数API之间的区别
5、神经网络的设计选择
1 使用卷积进行泛化
torch.nn模块提供一维、二维、三维的卷积
nn.Conv1d用于时间序列
nn.Conv2d用于图像
nn.Conv3d用于体数据、视频
1.1 加载数据
%matplotlib inline
import torch
import numpy as np
from matplotlib import pyplot as plt
import torch.nn as nn
from torchvision import transforms
from torchvision import datasets
data_path = 'D:\\DeepLearning data\\data\\p1ch7'
cifar10 = datasets.CIFAR10(data_path, train=True, download=True)
cifar10_val = datasets.CIFAR10(data_path, train=False, download=True)
transformed_cifar10 = datasets.CIFAR10(data_path, train=True, download=False,
transform=transforms.Compose([
transforms.ToTensor(),
transforms.Normalize((0.4914, 0.4822, 0.4465),(0.2470, 0.2435, 0.2616))
]))
transformed_cifar10_val = datasets.CIFAR10(data_path, train=False, download=False,
transform=transforms.Compose([
transforms.ToTensor(),
transforms.Normalize((0.4914, 0.4822, 0.4465),(0.2470, 0.2435, 0.2616))
]))
label_map = {0:0, 2:1}
class_names = ['airplane','bird']
cifar2 = [(img, label_map[label])
for img, label in transformed_cifar10 ###修改代码
if label in [0,2]]
cifar2_val = [(img, label_map[label])
for img, label in transformed_cifar10_val
if label in [0,2]]1.2 卷积介绍
class torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True)
in_channels 即为[B, C, H, W]中的C,输入张量的channels数；
out_channels 期望的四维输出张量的channels数；
kernel_size 卷积核的大小，一般我们会使用5x5、3x3这种左右两个数相同的卷积核，因此这种情况只需要写kernel_size = 5这样的就行了。
如果左右两个数不同，比如3x5的卷积核，那么写作kernel_size = (3, 5)，注意需要写一个tuple，而不能写一个列表（list）
stride=1 卷积核在图像窗口上每次平移的间隔，即所谓的步长。
conv = nn.Conv2d(3, 16, kernel_size=3)
print(conv)
print(conv.weight.shape,conv.bias.shape)输出：
小栗子：
##举个例子
img, _ = cifar2[0]
output = conv(img.unsqueeze(0))##原本的img是（3,32,32）的，需要添加一个维度 因为conv2d期望输入的是（BxCxHxW）.
plt.imshow(img.permute(1,2,0))
plt.show()
print(img.unsqueeze(0).shape,output.shape)
# print(output)
# print(output[0,0])
plt.imshow(output[0,0].detach(),cmap='gray') ###为啥是output[0,0]?
plt.show()输出：
我们发现 图像丢失了一些像素。原因是奇数大小的卷积核作用后，会得到width-kernel_size+1的水平和垂直长度（32-3+1）。
注：对于偶数大小的卷积核，需要在上下左右填充不同的数字，但是torch.nn.functional.pad()函数可以处理。但是还是推荐使用奇数的卷积核。
如果需要保持输出图像的大小不变，我们可以使用填充边界（padding）
例如：
##填充边界padding以保证输出图像的大小
conv = nn.Conv2d(3, 1, kernel_size=3,padding=1)
output = conv(img.unsqueeze(0))
print(img.unsqueeze(0).shape,output.shape)
##可见输出图像大小没变 输出的通道数是卷积核中输出通道数
可见输出图像大小没变 输出的通道数是卷积核中输出通道数。
但是，需要注意的是，并不是只要padding=1输出图像大小就不会变！
稍后举例说明。
为了消除干扰因素，首先把偏置归零，再将权重设为一常数值：
with torch.no_grad():
conv.bias.zero_()
with torch.no_grad():
conv.weight.fill_(1.0/9.0)观察其对cifar10图像的影响：
output = conv(img.unsqueeze(0))
plt.imshow(output[0,0].detach(),cmap='gray')
plt.show()输出：
尝试不同的卷积核：
##尝试不同的卷积核
conv = nn.Conv2d(3, 1, kernel_size=3, padding=1)
with torch.no_grad():
conv.weight[:] = torch.tensor([[-1.0, 0.0, 1.0],
[-1.0, 0.0, 1.0],
[-1.0, 0.0, 1.0]])
conv.bias.zero_()
output = conv(img.unsqueeze(0))
plt.imshow(output[0,0].detach(),cmap='gray')
plt.show()
2 池化技术
2.1 从大到小：下采样
使用最大池化将输入图像缩小一半：
##使用深度和池化技术进一步研究
#从大到小：下采样
#最大池化
pool = nn.MaxPool2d(2)#核大小为2
output = pool(img.unsqueeze(0))
print(img.unsqueeze(0).shape,output.shape)
#可见图像缩小了一半输出：
可见图像缩小了一半
2.2 卷积+池化
顺便举例说明一下前边提到的padding
3x3卷积核，padding=1：
#结合卷积和下采样结合
#（1,3,32,32）——>(1,16,32,32)——>(1,16,16,16)——>(1,8,16,16)——>(1,8,8,8)
model = nn.Sequential(
nn.Conv2d(3, 16, kernel_size=3, padding=1),##图像输出大小不会变，通道数变为16
nn.Tanh(),
nn.MaxPool2d(2),##图像大小减半，通道数不变
nn.Conv2d(16, 8, kernel_size=3, padding=1),##图像大小不变，通道数变为8
nn.Tanh(),
nn.MaxPool2d(2)#图像大小减半，通道数不变
)
output = model(img.unsqueeze(0))
print(img.unsqueeze(0).shape,output.shape)
可见padding操作确实保证了输出图像的大小。
但是，我们改变卷积核大小为5x5（练习题也会用到）
model = nn.Sequential(
nn.Conv2d(3, 16, kernel_size=5, padding=1),##图像输出大小不会变，通道数变为16
nn.Tanh(),
nn.MaxPool2d(2),##图像大小减半，通道数不变
nn.Conv2d(16, 8, kernel_size=5, padding=1),##图像大小不变，通道数变为8
nn.Tanh(),
nn.MaxPool2d(2)#图像大小减半，通道数不变
)
output = model(img.unsqueeze(0))
print(img.unsqueeze(0).shape,output.shape)输出：
我们发现输出图像的大小并没有保持不变。
这里看的不是很清楚，输出每一步的图像大小看看~
首先是3x3卷积核：
conv1 = nn.Conv2d(3, 16, kernel_size=3, padding=1)
pool1 = nn.MaxPool2d(2)
conv2 = nn.Conv2d(16, 8, kernel_size=3, padding=1)
pool2 = nn.MaxPool2d(2)
output1 = conv1(img.unsqueeze(0))
print(output1.shape)
output2 = pool1(output1)
print(output2.shape)
output3 = conv2(output2)
print(output3.shape)
output4 = pool1(output3)
print(output4.shape)输出：
5x5卷积核：
###5x5卷积核对图片尺寸的影响
conv1 = nn.Conv2d(3, 16, kernel_size=5, padding=1)
pool1 = nn.MaxPool2d(2)
conv2 = nn.Conv2d(16, 8, kernel_size=5, padding=1)
pool2 = nn.MaxPool2d(2)
output1 = conv1(img.unsqueeze(0))
print(output1.shape)
output2 = pool1(output1)
print(output2.shape)
output3 = conv2(output2)
print(output3.shape)
output4 = pool1(output3)
print(output4.shape)输出：
这就不得不谈一谈卷积核和padding操作对于图像尺寸大小的影响了。放上链接：
https://blog.csdn.net/weixin_45985148/article/details/1247659122.3 整合网络
##将一个8通道，8x8的图像转换为一个一维向量：
model = nn.Sequential(
nn.Conv2d(3, 16, kernel_size=3, padding=1),##图像输出大小不会变，通道数变为16
nn.Tanh(),
nn.MaxPool2d(2),##图像大小减半，通道数不变
nn.Conv2d(16, 8, kernel_size=3, padding=1),##图像大小不变，通道数变为8
nn.Tanh(),
nn.MaxPool2d(2),#图像大小减半，通道数不变
#... 警告：这里缺失了一些重要东西！！！
nn.Linear(8*8*8,32),
nn.Tanh(),
nn.Linear(32,2)
)
model(img.unsqueeze(0)) ###肯定会报错
#这里缺少的是从8通道，8*8图像转换为有512个元素的一维向量的步骤，pytorch1.3后便可用nn.Flatten()查看报错信息：
这里缺少的是从8通道，8*8图像转换为有512个元素的一维向量的步骤，pytorch1.3后便可用nn.Flatten()进行转化。
2.4 子类化nn.Module
将我们的网络作为第一个nn.Module，再用forward（）方法：
import torch.optim as optim
class Net(nn.Module):
def __init__(self):
super().__init__()
self.conv1 = nn.Conv2d(3, 16, kernel_size=3, padding=1)
self.act1 = nn.Tanh()
self.pool1 = nn.MaxPool2d(2)
self.conv2 = nn.Conv2d(16, 8, kernel_size=3, padding=1)
self.act2 = nn.Tanh()
self.pool2 = nn.MaxPool2d(2)
self.fc1 = nn.Linear(8*8*8,32)
self.act3 = nn.Tanh()
self.fc2 = nn.Linear(32,2)
def forward(self,x):
out = self.pool1(self.act1(self.conv1(x)))
out = self.pool2(self.act2(self.conv1(out)))
out = out.view(-1,8*8*8)
out = self.act3(self.fc1(out))
out = self.fc2(out)
return out实例化model并查看模型中的参数：
model = Net()
numel_list = [p.numel() for p in model.parameters()]
print(sum(numel_list),numel_list)
同样，我们也可以使用函数式的API进行编写：
##函数式API
import torch.nn.functional as F
class Net(nn.Module):
def __init__(self):
super().__init__()
self.conv1 = nn.Conv2d(3, 16, kernel_size=3, padding=1)
self.conv2 = nn.Conv2d(16, 8, kernel_size=3, padding=1)
self.fc1 = nn.Linear(8*8*8, 32)
self.fc2 = nn.Linear(32, 2)
def forward(self,x):
out = F.max_pool2d(torch.tanh(self.conv1(x)),2)
out = F.max_pool2d(torch.tanh(self.conv2(out)),2)
out = out.view(-1,8*8*8)
out = torch.tanh(self.fc1(out))
out = self.fc2(out)
return out检查模型是否可行：
##检查模型是否可以运行：
model = Net()
print(model(img.unsqueeze(0)))
sum(p.numel() for p in model.parameters())输出：
可见，两者效果是一样的。 下一部分主要是前一章数据集及识别任务的模型构建及训练。
扫一扫
3924
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
