Pytorch笔记11 Conv2d详解

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