pytorch——conv2d函数使用

大家好，欢迎来到IT知识分享网。

卷积操作——理论实现       

        我们给出一道例题首先来说明卷积操作的流程，如下所示。下面给出了输入图像以及卷积核，输入图像的尺寸是5✖5的，而卷积核的尺寸是3✖3的。问：该图像经过如下卷积核操作后，其输出结果为多少？

         执行流程如下：

        首先，将卷积核与输入图像的前3×3大小的地方进行匹配，随后对应位置相乘并将 9 个相乘结果累加在一起，得到第一个输出的结果。

         即有，1✖1+2✖2+0✖1+0✖0+1✖1+2✖0+1✖2+2✖1+1✖0=10

        假使步长Stride = 1，则第二步匹配结果为：

 即有，2✖1+0✖2+3✖1+1✖0+2✖1+3✖0+2✖2+1✖1+0✖0=12

 第三步匹配结果为：

        即有，0✖1+3✖2+1✖1+2✖0+3✖1+1✖0+1✖2+0✖1+0✖0=12

        按照上述步骤，卷积核移动 9 次，最后得到结果为如下所示。

         上图便是5✖5输入图像经过3×3卷积核卷积后的结果。

代码实现

        首先来介绍一下conv2d函数，该函数主要作用为：在由多个输入平面组成的输入图像上应用2D卷积。

torch.nn.functional.conv2d(input, weight, bias=None, stride=1, padding=0, dilation=1, groups=1, padding_mode='zeros') → Tensor

conv2d函数相关参数释义如下所示。 

 input：表示输入的图像张量，该张量包含四个维度，即：[ 输入图片数，输入图片的图层数（通道数），高，宽 ] 。

weight：表示权重，也可以说成是卷积核。

groups作用：对input中的每个样例数据，将通道分为groups等份，即每个样例数据被分成了groups个大小为 ( in_channel/groups, iH, iW ) 的子数据。对于这每个子数据来说，卷积核的大小为 ( in_channel/groups, kH, kW ) 。这一整个样例数据的计算结果为各个子数据的卷积结果拼接所得。

bias：偏置，tensor类型，大小是输出通道的大小。Default: None。

stride：表示卷积核每移动一次要跨越的长度，即卷积核的步长。

padding：输入图像周围的隐式填充。可以是单个数字或元组（padH、padW）。默认值：0，此时表示不填充。

其余参数不常用，后续遇到在解读。

        给出程序进行验证：

import torch import torch.nn.functional as F # 输入图像信息 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]]) # 卷积核 kernel = torch.tensor([[1, 2, 1], [0, 1, 0], [2, 1, 0]]) input = torch.reshape(input, (1, 1, 5, 5)) # 输入数据：batch中只有一个样例数据，该样例数据有1个通道，高5，宽5。 kernel = torch.reshape(kernel, (1, 1, 3, 3)) # 卷积核：有1个卷积核，大小为：1个通道，高3，宽3。 output = F.conv2d(input, kernel, stride=1) # 卷积核步长为 1 print(output) 

        结果为：

tensor([[[[10, 12, 12], [18, 16, 16], [13, 9, 3]]]])

        这与我们前述理论部分得到的答案一致。

        若将卷积核步长改为2，则结果又当如何？

output2 = F.conv2d(input, kernel, stride=2) # 卷积核步长为 2 print(output2)

        结果为：

tensor([[[[10, 12], [13, 3]]]])

 padding参数理论概述及代码验证：

        我们设置padding参数为1，则会在原输入图像周围拓展一行一列，且填充数据默认为0，如下图所示。

        卷积核不变，按照前述规则，先匹配，再计算，最后得到结果。下图为第一次匹配结果。

 卷积之后的结果为：

        来看看代码运行结果。 

output3 = F.conv2d(input, kernel, padding=1, stride=1) # padding=1 ：四周填充尺寸多一行一列，且填充数据默认为0 print(output3)

 结果为：

tensor([[[[ 1, 3, 4, 10, 8], [ 5, 10, 12, 12, 6], [ 7, 18, 16, 16, 8], [11, 13, 9, 3, 4], [14, 13, 9, 7, 4]]]])

        程序运行结果与理论计算得到的结果一致。

部分参考自：https://blog.csdn.net/jingOlivia/article/details/