11.1 out_channels的使用
本文中所学习的Pytorch官方文档地址link
11.1.1 直观理解
out_channels = 2 时,生成两个卷积核(不一定相同),分别卷积,并将两个结果叠加作为输出。
11.1.2 代码实现
import torch
import torchvision
from torch import nn
from torch.nn import Conv2d
from torch.utils.data import DataLoader
from torch.utils.tensorboard import SummaryWriter
dataset = torchvision.datasets.CIFAR10("../data", train=False, transform=torchvision.transforms.ToTensor(),
download=True) # ".."表示更上一层的父目录
dataloader = DataLoader(dataset, batch_size=64)
class Avlon(nn.Module):
def __init__(self):
super().__init__()
self.conv1 = Conv2d(3, out_channels=6, kernel_size=3, stride=1, padding=0) # 彩色图片故in_channels=3
def forward(self, x):
x = self.conv1(x)
return x
avlon = Avlon()
print(avlon)
writer = SummaryWriter("../logs")
step = 0
for data in dataloader:
imgs, target = data
output = avlon(imgs)
print(imgs.shape)
print(output.shape)
# torch.Size([64, 3, 32, 32])
writer.add_images("input", imgs, step)
# torch.Size([64, 6, 30, 30])
writer.add_images("output", output, step)
step = step + 1
运行后
可见输出图片的通道变成6,同时经过卷积后图片变小。
报错的原因:6通道数的图片无法显示,直接使用tensorboard可视化会报错。修改35行以下代码
# torch.Size([64, 6, 30, 30]) --> [xxx, 3, 30, 30]
output = torch.reshape(output, (-1, 3, 30, 30)) # 参数未知时填“-1”,自动计算
writer.add_images("output", output, step)
step = step + 1
# 将多余的像素放入batch_size中,即可正常运行
11.1.3 使用 TensorBoard 进行展示
# Terminal中若未启动pytorch环境,可输入:conda activate pytorch
结果为
11.1.4 其他
帮助文档中需要注意的重要公式