Pytorch学习10_理解卷积操作

主要演示卷积操作的基本过程，以及如何在 PyTorch 中进行这些操作。
示意图

代码体现

stride=1

import torch
import torch.nn.functional as fu

# 定义输入矩阵
input=torch.tensor([[1,2,0,3,1],
                   [0,1,2,3,1],
                   [1,2,1,0,0],
                   [5,2,3,1,1],
                   [2,1,0,1,1]])
# 定义卷积核
kernel=torch.tensor([[1,2,1],
                     [0,1,0],
                     [2,1,0]])

# 将输入矩阵和卷积核调整为合适的形状
input=torch.reshape(input,(1,1,5,5))
kernel=torch.reshape(kernel,(1,1,3,3))

print(f"input.shape:{input.shape}")
print(f"kernel.shape:{kernel.shape}")

# 使用PyTorch中的卷积函数进行卷积操作
output=fu.conv2d(input,kernel)

print(f"output:{output}")

对照

stride=2

import torch
import torch.nn.functional as fu

# 定义输入矩阵
input=torch.tensor([[1,2,0,3,1],
                   [0,1,2,3,1],
                   [1,2,1,0,0],
                   [5,2,3,1,1],
                   [2,1,0,1,1]])
# 定义卷积核
kernel=torch.tensor([[1,2,1],
                     [0,1,0],
                     [2,1,0]])

# 将输入矩阵和卷积核调整为合适的形状
input=torch.reshape(input,(1,1,5,5))
kernel=torch.reshape(kernel,(1,1,3,3))

print(f"input.shape:{input.shape}")
print(f"kernel.shape:{kernel.shape}")

# 使用PyTorch中的卷积函数进行卷积操作
output1=fu.conv2d(input,kernel,stride=1)
output2=fu.conv2d(input,kernel,stride=2)

print(f"output1:{output1}")
print(f"output2:{output2}")

stride=3

import torch
import torch.nn.functional as fu

# 定义输入矩阵
input=torch.tensor([[1,2,0,3,1],
                   [0,1,2,3,1],
                   [1,2,1,0,0],
                   [5,2,3,1,1],
                   [2,1,0,1,1]])
# 定义卷积核
kernel=torch.tensor([[1,2,1],
                     [0,1,0],
                     [2,1,0]])

# 将输入矩阵和卷积核调整为合适的形状
input=torch.reshape(input,(1,1,5,5))
kernel=torch.reshape(kernel,(1,1,3,3))

print(f"input.shape:{input.shape}")
print(f"kernel.shape:{kernel.shape}")

# 使用PyTorch中的卷积函数进行卷积操作
output1=fu.conv2d(input,kernel,stride=1)
output2=fu.conv2d(input,kernel,stride=2)

#padding=1 表示在输入的高度和宽度两侧各添加一个零值。
output3=fu.conv2d(input,kernel,stride=1,padding=1)

# print(f"output1:{output1}")
# print(f"output2:{output2}") 
print(f"output3:{output3}")

padding=1

参考

【PyTorch深度学习快速入门教程（绝对通俗易懂！）【小土堆】】 https://www.bilibili.com/video/BV1hE411t7RN/?p=17&share_source=copy_web&vd_source=be33b1553b08cc7b94afdd6c8a50dc5a