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