Pytorch 张量及输入输出计算及参数量详细公式
1.张量
一般文本使用三维张量,适合用于RNN和NLP。如20句话,每句话10个单词,每个单词用100个分量的向量表示,得到的Tensor就是shape=[20, 10, 100]。
四维张量,适合用于CNN表示图像。例如100张MNIST数据集的灰度图(通道数为1,如果是RGB图像通道数就是3),每张图高28像素,宽28像素,那么这个Tensor的shape=[100, 1, 28, 28],也就是一个batch的数据维度:[batch_size, channel, height, width]。
2.给定输入计算输出的详细过程
首先给出计算公式
卷积后,池化后尺寸计算公式:
(图像尺寸-卷积核尺寸 + 2填充值)/步长+1
(图像尺寸-池化窗尺寸 + 2填充值)/步长+1
即:
卷积神将网络的计算公式为:
N=(W-F+2P)/S+1
其中
N:输出大小
W:输入大小
F:卷积核大小
P:填充值的大小
S:步长大小
参数量计算
全连接层:输入x输出 + 1(bias)
卷积层:kernelsize x channel number + 1(bias)
maxpooling: 0 不需要参数
Conv2d
class torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True)
几个参数:
in_channels=3:表示的是输入的通道数,直接通过输入的通道的数量来确定。
out_channels:表示的是输出的通道数,设定输出通道数(这个是可以根据自己的需要来设置的)。
kernel_size=12:表示卷积核的大小是12x12的,也就是上面的 F=12。
stride=4:表示的是步长为4,也就是上面的S=4。
padding=2:表示的是填充值的大小为2,也就是上面的P=2。
MaxPool2d
class torch.nn.MaxPool2d(kernel_size, stride=None, padding=0, dilation=1, return_indices=False, ceil_mode=False)
kernel_size(int or tuple) - max pooling的窗口大小
stride(int or tuple, optional) - max pooling的窗口移动的步长。默认值是kernel_size。
pool操作并不改变张量的通道个数。
下面通过一个简单的卷积神经网络来计算详细步骤
import torch
from torch.autograd import Variable
import torch.nn as nn
import torch.nn.functional as F
class ConvNet(nn.Module):
def __init__(self