Pytorch基础(四)—— 卷积层
一、概念
卷积从数学的角度讲是一种矩阵的运算方法。我们可以用一个卷积核对一个矩阵进行卷积运算,具体运算过程图示可以见pytorch官网。
卷积运算按输入数据的通道数可分为单通道和多通道两种。
单通道是指卷积核只有一个的情况。
多通道包括两种。
分别是单个卷积核对应多通道输入;多卷积核对应多通道输入,这种最常见。
具体内容可见文章。
深度学习笔记(一):卷积层+池化层+激活函数+全连接层
二、Pytorch示例
在torch.nn下,卷积层按输入数据维度可分为1维,2维,3维。最常用的就是2维Conv2d,参数解释可以见官网。
下面用CIFAR10数据集做测试。
import torch
import torchvision
from torch import nn
from torch.nn import Conv2d
from torch.utils.data import DataLoader
from torch.utils.tensorboard import SummaryWriterdataset = torchvision.datasets.CIFAR10("../dataset", train=False, transform=torchvision.transforms.ToTensor(), download=False)dataloader = DataLoader(dataset, batch_size=64)class Wzh(nn.Module):def __init__(self):super(Wzh, self).__init__()self.conv1 = Conv2d(in_channels=3, out_channels=6, kernel_size=3)def forward(self, a):a = self.conv1(a)return awzh = Wzh()w = SummaryWriter("Conv2D")
i = 0
for data in dataloader:imgs, targets = dataoutput = wzh(imgs) output = torch.reshape(output, (-1, 3, 30, 30))w.add_images("input", imgs, i)w.add_images("output", output, i)i = i + 1
卷积结果如下:
原图
卷积后
从图的变化来看,卷积后的图片保留了原始图片的边缘特征。
Pytorch基础(四)—— 卷积层相关推荐
- pytorch —— nn网络层 - 卷积层
目录 1.1d/2d/3d卷积 2.卷积-nn.Conv1d() 2.1 Conv1d的参数说明 2.2 例子说明 3.卷积-nn.Conv2d() 3.1 深入了解卷积层的参数 4.转置卷积-nn. ...
- pytorch神经网络之卷积层与全连接层参数的设置
当使用pytorch写网络结构的时候,本人发现在卷积层与第一个全连接层的全连接层的input_features不知道该写多少?一开始本人的做法是对着pytorch官网的公式推,但是总是算错. 后来发现 ...
- PyTorch基础-使用卷积神经网络CNN实现手写数据集识别-07
import numpy as np import torch from torch import nn,optim from torch.autograd import Variable from ...
- 反卷积原理 + pytorch反卷积层参数output_padding
一般我们会认为2维卷积的计算分为了以下3类: 1.full 2.same 3. valid 参考:https://cn.mathworks.com/help/matlab/ref/conv2. ...
- Lesson 16.5 在Pytorch中实现卷积网络(上):卷积核、输入通道与特征图在PyTorch中实现卷积网络(中):步长与填充
卷积神经网络是使用卷积层的一组神经网络.在一个成熟的CNN中,往往会涉及到卷积层.池化层.线性层(全连接层)以及各类激活函数.因此,在构筑卷积网络时,需从整体全部层的需求来进行考虑. 1 二维卷积层n ...
- 动手学深度学习(PyTorch实现)(六)--卷积神经网络基础
卷积神经网络基础 1. 二维卷积层 1.1 二维互相关运算 1.2 互相关运算与卷积运算 1.3 特征图与感受野 2. 填充与步幅 2.1 填充 2.2 步幅 3. 多通道 3.1 多输入通道 3.2 ...
- pytorch 入门:GPU加速,卷积层,池化层
GPU 加速 深度学习设计很多向量和多矩阵运算,比如BP , CNN 等深层模型都可以写成矩阵运算的格式,不用写成循环运算.但是CPU 上矩阵的运算会被展成循环的形式,CPU 是串行执行的.而GPU ...
- Pytorch中卷积层转向全连接层时,全连接层输入维度的确定
Pytorch中卷积层转向全连接层时,全连接层输入维度的确定 一.代码法: 改变的AlexNet网络结构: AlexNet 二.公式法: 一.代码法: 改变的AlexNet网络结构: 输入维度为 ( ...
- PyTorch基础与简单应用:构建卷积神经网络实现MNIST手写数字分类
文章目录 (一) 问题描述 (二) 设计简要描述 (三) 程序清单 (四) 结果分析 (五) 调试报告 (六) 实验小结 (七) 参考资料 (一) 问题描述 构建卷积神经网络实现MNIST手写数字分类 ...
最新文章
- (转)uml 静态视图依赖
- 如何删除chrome地址栏里面曾经输错的地址
- 网页连接不上java服务端,用Java插入IP时无法连接到服务器
- ios公司开发者账号申请分享攻略
- 建造模式实际应用_建造多少,购买多少:为聊天和消息传递应用程序提供支持...
- Android Toast的立即取消与显示
- 【数字IC】深入浅出理解UART协议
- Drive-by Compromise 术语名词概念
- 解决EPSON R230打印机驱动程序安装错误
- 计算机获得超级管理员,怎么获得Win7超级管理员权限
- 玩转NVIDIA Jetson AGX Xavier(1)--- jetson是什么
- 接口测试常见面试题(含答案)
- 裸板 nand flash K9F2G08U0C --- 读取ID
- python优秀的项目经理_30来岁的项目经理,谁不是老出差啊?
- Android开发面试题 71道经典题目
- 最实用,无后顾之忧----vue移动端或web端手写签批橡皮擦功能,基于vue-drawing-canvas组件
- 21天学通c语言思维导图,21天思维导图学习 ----开发脑洞、助力成长
- 任意遥控器遥控C1测试成功,理论上可使用任意遥控
- 一个计算机高手的成长(转载)
- 【雷达通信】基于matlab无人机FMCW毫米波高度计雷达仿真【含Matlab源码 1261期】