pytorch学习笔记（8）

# 图像卷积代码

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

def corr2d(X, K):  # X 是输入数据，通常是一个二维张量（例如，图像），K 是卷积核（滤波器）。
    """计算二维互相关运算"""
    h, w = K.shape  # 首先获取卷积核 K 的高度 h 和宽度 w
    Y = torch.zeros((X.shape[0] - h + 1, X.shape[1] - w + 1))  # 创建一个输出张量 Y，其形状由输入 X 的形状和卷积核的大小决定，但不包括边缘像素。
    for i in range(Y.shape[0]):  # 使用两个嵌套循环遍历输入 X 中的所有位置，计算互相关运算的结果并将结果存储在 Y 中。
        for j in range(Y.shape[1]):
            Y[i, j] = (X[i:i + h, j:j + w] * K).sum()
    return Y

# 简单来说Y就是输出矩阵

class Conv2D(nn.Module):
    def __init__(self, kernel_size):  # kernel_size 参数表示卷积核（滤波器）的大小。它是一个整数或元组，指定了卷积核的高度和宽度。
        super().__init__()
        self.weight = nn.Parameter(torch.rand(kernel_size))  # 这一行代码创建了卷积层的权重参数 self.weight。权重参数是一个可训练的 PyTorch 参数，它使用随机初始化的值（从均匀分布中随机抽样），其形状由 kernel_size 决定。
        self.bias = nn.Parameter(torch.zeros(1))  # 这一行代码创建了卷积层的偏置参数 self.bias，初始化为零。

    def forward(self, x):
        return corr2d(x, self.weight) + self.bias

学习卷积核

# 构造一个二维卷积层，它具有1个输出通道和形状为（1，2）的卷积核
conv2d = nn.Conv2d(1,1, kernel_size=(1, 2), bias=False)  # 1, 1：表示该卷积层有一个输入通道和一个输出通道。kernel_size=(1, 2)：指定了卷积核的大小，为 1x2，这意味着卷积核的高度为1，宽度为2。bias=False：表示不使用偏置项。


X = X.reshape((1, 1, 6, 8))  #形状为（批量大小，通道数，高度，宽度）。在这里，X 和 Y 分别被调整为（1，1，6，8）和（1，1，6，7）的形状。
Y = Y.reshape((1, 1, 6, 7))
lr = 3e-2  # 定义学习率，用于控制梯度下降的步长。

for i in range(10):
    Y_hat = conv2d(X)  # 计算模型的输出。
    l = (Y_hat - Y) ** 2  # 计算平方损失。
    conv2d.zero_grad()  # 清零卷积核的梯度，以避免梯度累积
    l.sum().backward()  # 通过反向传播计算损失函数相对于卷积核权重的梯度。
    # 迭代卷积核
    conv2d.weight.data[:] -= lr * conv2d.weight.grad  # 更新卷积核的权重，使用梯度下降方法。学习率 lr 控制了每次更新的步长。
    if (i + 1) % 2 == 0:
        print(f'epoch {i+1}, loss {l.sum():.3f}')

# 填充和步幅

# 为了方便起见，我们定义了一个计算卷积层的函数。
# 此函数初始化卷积层权重，并对输入和输出提高和缩减相应的维数
def comp_conv2d(conv2d, X):
    # 这里的（1，1）表示批量大小和通道数都是1
    X = X.reshape((1, 1) + X.shape)  # X 是输入数据，这里将其形状调整为 (1, 1, 8, 8) 的四维张量，其中 (1, 1) 表示批量大小和通道数都为 1，(8, 8) 表示高度和宽度为 8 的图像。
    Y = conv2d(X)  # 计算了卷积层 conv2d 对输入 X 的卷积结果，并将结果存储在 Y 中。
    # 省略前两个维度：批量大小和通道
    return Y.reshape(Y.shape[2:])  # 为了简化结果，这行代码将 Y 的形状从 (1, 1, 8, 8) 调整为 (8, 8)，省略了批量大小和通道维度。

# 请注意，这里每边都填充了1行或1列，因此总共添加了2行或2列
conv2d = nn.Conv2d(1, 1, kernel_size=3, padding=1)  # 1, 1 表示输入通道数和输出通道数都为 1。kernel_size=3 表示卷积核的大小为 3x3。表示在图像的每一侧都填充了一行或一列的零，总共添加了2行或2列的填充。
X = torch.rand(size=(8, 8))
comp_conv2d(conv2d, X).shape

conv2d = nn.Conv2d(1, 1, kernel_size=(3, 5), padding=(0, 1), stride=(3, 4))  # padding=(0, 1)：在水平方向上不填充，而在垂直方向上填充了1行的零；stride=(3, 4)：在水平方向上的步幅为3，而在垂直方向上的步幅为4。
comp_conv2d(conv2d, X).shape  # 输出的形状为 (2, 2)。