29.图像卷积代码实现

1. 互相关运算

接下来，我们在corr2d函数中实现如上过程，该函数接受输入张量X和卷积核张量K，并返回输出张量Y。

import torch
from torch import nn
from d2l import torch as d2l

def corr2d(X,K): # X是输入，K是核矩阵
    '''计算二维互相关运算'''
    # 从K的shape中拿出h（height）--行数和w（wide）--列数
    h, w = K.shape # 核的行数和列数
    
    # 输出的行数=输入的行数-核的行数+1，列数同理
    Y = torch.zeros((X.shape[0]-h+1,X.shape[1]-w+1))
    for i in range(Y.shape[0]):
        for j in range(Y.shape[1]):
            Y[i,j] = (X[i:i+h,j:j+w] * K).sum()
    return Y

验证上述二维互相关运算的输出。

X = torch.tensor([[0.0, 1.0, 2.0], [3.0, 4.0, 5.0], [6.0, 7.0, 8.0]])
K = torch.tensor([[0.0, 1.0], [2.0, 3.0]])
corr2d(X, K)

2. 卷积层

卷积层对输入和卷积核权重进行互相关运算，并在添加标量偏置之后产生输出。 所以，卷积层中的两个被训练的参数是卷积核权重和标量偏置。 就像我们之前随机初始化全连接层一样，在训练基于卷积层的模型时，我们也随机初始化卷积核权重。

基于上面定义的corr2d函数实现二维卷积层。在__init__构造函数中，将weight和bias声明为两个模型参数。前向传播函数调用corr2d函数并添加偏置。

class Conv2D(nn.Module):
    def __init__(self,kernel_size):
        super().__init__()
        # 可以在kernel_size这个参数传一个tuple，例如（3，3），则weight就是3*3的随机初始值了
        self.weight = nn.Parameter(torch.rand(kernel_size))
        self.bias = nn.Parameter(torch.zeros(1))
    
    def forward(self,x):
        return corr2d(x,self.weight) + self.bias

3.图像中目标的边缘检测

如下是卷积层的一个简单应用：通过找到像素变化的位置，来检测图像中不同颜色的边缘。 首先，我们构造一个6 * 8像素的黑白图像。中间四列为黑色（0），其余像素为白色（1）。

接下来，我们构造一个高度为1、宽度为2的卷积核K。当进行互相关运算时，如果水平相邻的两元素相同，则输出为零，否则输出为非零。

K = torch.tensor([[1.0, -1.0]])

现在，我们对参数X（输入）和K（卷积核）执行互相关运算。 如下所示，输出Y中的1代表从白色到黑色的边缘，-1代表从黑色到白色的边缘，其他情况的输出为0。

如果两个元素没有改变，如都是1，则结果为0，或者两个元素都是0，结果也为0。反之，元素改变了如1，0，则结果为1，两个元素为0，1，则结果为-1.因此可以做白到黑的边缘检测。

现在我们将输入的二维图像转置，再进行如上的互相关运算。 其输出如下，之前检测到的垂直边缘消失了。 不出所料，这个卷积核K只可以检测垂直边缘，无法检测水平边缘。

因为是1 * 2，只有相邻的2列参与运算，X转置后，相邻列元素是相同的，也就是每一行内的元素一致，进行相关运算后都为0，看不出变化，所以检测不了水平。要想解决的话，K也需要转置变成 2 *1。

4. 学习卷积核

如果我们只需寻找黑白边缘，那么以上[1, -1]的边缘检测器足以。然而，当有了更复杂数值的卷积核，或者连续的卷积层时，我们不可能手动设计滤波器。那么我们是否可以学习由X生成Y的卷积核呢？

现在让我们看看是否可以通过仅查看“输入-输出”对来学习由X生成Y的卷积核。 我们先构造一个卷积层，并将其卷积核初始化为随机张量。接下来，在每次迭代中，我们比较Y与卷积层输出的平方误差，然后计算梯度来更新卷积核。为了简单起见，我们在此使用内置的二维卷积层，并忽略偏置。

关于内置的二维卷积层

# 构造一个二维卷积层，它具有1个输入通道和输出通道，以及形状为（1，2）的卷积核
# 黑白图片通道为1，彩色图片通道为3
conv2d = nn.Conv2d(1,1,kernel_size=(1,2),bias = False)

# 这个二维卷积层使用四维输入和输出格式（批量大小、通道、高度、宽度），
# 其中批量大小和通道数都为1
# ps:对所有的框架来说，向Conv2d传递的参数都是4d的
X = X.reshape((1,1,6,8))
Y = Y.reshape((1,1,6,7))

# 手写训练逻辑，迭代10轮
for i in range(10): 
    Y_hat = conv2d(X)
    l = (Y_hat - Y) **2
    conv2d.zero_grad()
    l.sum().backward()
    # 做了backward()之后，就能通过.grad获得梯度
    conv2d.weight.data[:] -= 3e-2 *conv2d.weight.grad # 3e-2是学习率
    if (i+1) % 2 ==0: # 每两轮迭代就输出loss
        print(f'batch {i+1},loss{l.sum():.3f}')

在10次迭代之后，误差已经降到足够低。现在我们来看看我们所学的卷积核的权重张量。

细心的读者一定会发现，我们学习到的卷积核权重非常接近我们之前定义的卷积核K。