本系列文章配套代码获取有以下两种途径：
-
通过百度网盘获取：
链接：https://pan.baidu.com/s/1XuxKa9_G00NznvSK0cr5qw?pwd=mnsj提取码：mnsj
-
前往GitHub获取：
https://github.com/returu/PyTorch卷积层：
Conv2d：
在Pytorch中，卷积层主要通过torch.nn模块下的Conv1d、Conv2d和Conv3d等类实现，用于处理不同维度的数据。
-
torch.nn.Conv1d：一维卷积层，主要用于时间序列数据，如心电图（ECG）信号。
-
torch.nn.Conv2d：二维卷积层，主要用于图像数据，如RGB图像。
-
torch.nn.Conv3d：三维卷积层，主要用于体数据和视频数据，如医学成像数据（MRI和CT扫描）。
本次以最常使用的torch.nn.Conv2d为例，其构造函数如下：
torch.nn.Conv2d(in_channels,
out_channels,
kernel_size,
stride=1,
padding=0,
dilation=1,
groups=1,
bias=True,
padding_mode='zeros')
-
in_channels (整数)：输入图像的通道数（维度）。例如，RGB图像有3个通道，灰度图像有1个通道。 -
out_channels (整数)：输出特征图的通道数，即卷积核的数量。输出图像的通道越多，表示网络的容量越大，借助这些通道能够检测到许多不同类型的特征。 -
kernel_size (整数或元组)：卷积核的大小。可以是一个整数（例如，3），表示卷积核的高度和宽度都是该数值；也可以是一个元组（例如，(3, 5)），分别表示卷积核的高度和宽度。 -
stride (整数或元组，可选)：卷积步长，默认为1。步长定义了卷积核在图像上移动的速度。与kernel_size类似，它可以是一个整数或一个表示高度和宽度步长的元组。 -
padding (整数或元组，可选)：在输入图像周围填充的零的数量，默认为0。填充可以控制输出特征图的大小。它也可以是一个整数或一个表示高度和宽度填充的元组。 -
dilation (整数或元组，可选)：卷积核元素之间的间距，默认为1。当dilation大于1时，表示进行空洞卷积（也称为扩张卷积），这可以增加卷积核的感受野而不增加参数数量。 -
groups (整数，可选)：控制输入和输出之间的连接。默认为1，表示所有输入通道都连接到每个输出通道。如果groups等于in_channels和out_channels，那么每个输入通道只与对应的输出通道相连，这被称为分组卷积。 -
bias (布尔值，可选)：是否添加偏置项到输出中，默认为True。如果设置为False，则不会添加偏置项。 -
padding_mode (字符串，可选)：指定填充模式，默认为‘zeros’。其他可选模式包括‘reflect’、‘replicate’和‘circular’。这些模式决定了如何填充输入图像的边界。
在卷积操作中需要知道输出结果的形状，以便设计后续网络结构。卷积操作后的输出形状取决于几个因素：输入的尺寸、卷积核的尺寸、步长（stride）、填充（padding）以及是否使用了dilation。
卷积层的参数为：
-
kernel_size (k_h, k_w)：卷积核的高度和宽度。 -
stride (s_h, s_w)：卷积核在输入上移动的步长。 -
padding (p_h, p_w)：在输入的边界添加的零填充的数量。 -
dilation (d_h, d_w)：卷积核元素之间的间距。
输出的高度 H_out 和宽度 W_out 可以按照以下公式计算（⌊ ⌋ 表示向下取整）：
卷积实战：
-
1、随机卷积核：
lena = Image.open('lena.png')
# 将其转换为PyTorch张量
to_tensor = transforms.ToTensor()
lena_tensor = to_tensor(lena).unsqueeze(0)
Lena图原名为“Lenna”，其原型是瑞典模特莱娜·瑟德贝里（Lena Söderberg）。这张图片最初出现在1972年11月的《花花公子》杂志上。由于该图像在视觉上的吸引力和其细节的丰富性，后来被广泛地用作数字图像处理和计算机视觉研究中的标准测试图。
# 创建一个卷积层
# 这里使用5x5的卷积核，输入通道为1，输出通道为3，其他参数使用默认值
conv = nn.Conv2d(1,3,(5,5))
# 权重张量和偏置张量的大小
conv.weight.shape , conv.bias.shape
# 对图像张量进行卷积操作
out = conv(lena_tensor)
# 输出卷积后的结果形状
print("Output shape:", out.shape)
# Output shape: torch.Size([1, 3, 196, 196])
to_pil = transforms.ToPILImage()
out1 = to_pil(out1.squeeze(0))
out2 = to_pil(out2.squeeze(0))
out3 = to_pil(out3.squeeze(0))
# 创建一个一行三列的子图布局
fig, axs = plt.subplots(nrows=1, ncols=3, figsize=(15, 5))
# 特征图1
axs[0].imshow(out1,cmap='gray')
axs[0].set_title('channel_1')
axs[0].axis('off') # 关闭坐标轴
# 特征图2
axs[1].imshow(out2,cmap='gray')
axs[1].set_title('channel_2')
axs[1].axis('off')
# 特征图3
axs[2].imshow(out3,cmap='gray')
axs[2].set_title('channel_3')
axs[2].axis('off')
-
2、锐化卷积核：
# 锐化卷积核
kernel = torch.full([3,3],-1.) / 9
kernel[1 ,1] = 1
# 创建一个卷积层
conv = nn.Conv2d(1,1,(3,3),1,bias=False)
# 设置卷积层的权重
conv.weight.data = kernel.reshape(1,1,3,3)
# 对图像张量进行卷积操作
out = conv(lena_tensor)
# 输出卷积后的结果形状
print("Output shape:", out.shape)
# Output shape: torch.Size([1, 1, 198, 198])
# 可视化特征图
to_pil = transforms.ToPILImage()
to_pil(out.squeeze(0))
-
3、填充边界：
padding参数可以接受几种形式的输入：
-
整数：表示在所有四个边缘（顶部、底部、左侧、右侧）都添加相同数量的零填充。 -
元组：如果提供两个整数的元组，第一个整数表示垂直方向（高度）的填充，第二个整数表示水平方向（宽度）的填充。如果提供四个整数的元组，则它们分别对应于（左、右、顶、底）的填充。
假设我们有一个3×3的输入矩阵，然后使用padding=1，那么首先会在输入矩阵的四周各添加一个像素宽的零填充，得到一个新的5×5矩阵，然后在进行卷积操作。
# 创建一个卷积层
# 这里使用5x5的卷积核，输入通道为1，输出通道为3，填充为2，其他参数使用默认值
conv = nn.Conv2d(1,3,(5,5),padding=2)
# 对图像张量进行卷积操作
out = conv(lena_tensor)
# 输出卷积后的结果形状
print("Output shape:", out.shape)
# Output shape: torch.Size([1, 3, 200, 200])
更多内容可以前往官网查看：
https://pytorch.org/
本篇文章来源于微信公众号: 码农设计师
