文章目录
理论知识插眼:深度学习TF—7.卷积神经网络CNN
引言
前面,我们学习了如何搭建模型,以及在模型搭建过程中用到的容器。这一节,我们介绍网络层的具体使用。
一、卷积层
下面介绍几个概念:
- 卷积运算:卷积核在输入信号(图像)上滑动,相应位置上进行乘加。
- 卷积核:又称为滤波器,过滤器,可认为是某种模式,某种特征。
- 卷积维度:一般情况下,卷积核在几个维度上滑动,就是几维卷积。
PyTorch中提供了1d、2d、3d的卷积。
1d conv:
2d conv:
3d conv:
上述都是一个卷积核在一个信号上的卷积。如果涉及多个卷积核多个信号的操作,那么应该怎么判断卷积的维度?下面我们以一个三维卷积核实现二维卷积为例
每个卷积核分别在各自的通道进行卷积操作得到输出值,然后相加再加上偏置才会得到特征图的一个像素值。一个卷积核只在一个二维图像上进行滑动,所以这是二维卷积。为什么它是三维卷积核?正是因为它有多个通道,在多个通道上分别进行卷积。
1. nn.Conv2d
nn.Conv2d(in_channels,
out_channels,
kernel_size,
stride=1,
padding=0,
dilation=1,
groups=1,
bias=True,
padding_mode= ' zeros ' )
功能:对多个二维信号进行二维卷积
主要参数:
- in_channels:输入通道数
- out_channels:输出通道数,等价于卷积核个数
- kernel_size:卷积核尺寸
- stride:步长
- padding :填充个数,用于保持输入与输出图像的尺寸是匹配的
- dilation:空洞卷积大小
- groups:分组卷积设置
- bias:偏置
尺寸计算公式为:
2.nn.ConvTranspose2d
nn.ConvTranspose2d
是转置卷积。转置卷积用于对图像进行上采样(UpSample),经常用于图像分割任务。那么,什么是转置卷积?它与正常卷积有什么区别?
如图是正常2d卷积
假设图像尺寸为 4 ∗ 4 4*4 4∗4,卷积核为 3 ∗ 3 3*3 3∗3,padding=0,stride=1
图像: 𝟏 𝟔 ∗ 𝟏 𝟏𝟔∗𝟏 16∗1 卷积核: 𝟒 ∗ 𝟏 𝟔 𝟒∗𝟏𝟔 4∗16 输出: 𝟒 ∗ 𝟏 𝟒∗𝟏 4∗1 = ( 𝟒 ∗ 𝟏 𝟔 ) ∗ ( 𝟏 𝟔 ∗ 𝟏 ) (𝟒∗𝟏𝟔) ∗ (𝟏𝟔∗𝟏) (4∗16)∗(16∗1)
如图是转置卷积:
假设图像尺寸为 2 ∗ 2 , 卷 积 核 为 3 ∗ 3 2*2,卷积核为3*3 2∗2,卷积核为3∗3,padding=0,stride=1
$图像:𝟒∗𝟏 卷积核: 𝟏 𝟔 ∗ 𝟒 𝟏𝟔∗𝟒 16∗4 输出: 𝟏 𝟔 ∗ 𝟏 = ( 𝟏 𝟔 ∗ 𝟒 ) ∗ ( 𝟒 ∗ 1 ) 𝟏𝟔∗𝟏 = (𝟏𝟔∗𝟒) ∗ (𝟒∗1) 16∗1=(16∗4)</