数据结构
网络
关系型数据库管理系统
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会学
时尚研究
法律研究如何在 PyTorch 中应用 2D 卷积操作？
我们可以使用 **torch.nn.Conv2d()** 模块对由多个输入平面组成的输入图像应用 2D 卷积操作。它在卷积神经网络 (CNN) 中实现为一层。2D 卷积层的输入必须为 **[N,C,H,W]** 大小，其中 **N** 是批次大小，C 是通道数，H 和 W 是输入张量的 高度和宽度。
通常，2D 卷积操作应用于图像张量。对于 RGB 图像，通道数为 3。卷积操作的主要特征是滤波器或内核大小和步长。此模块支持 **TensorFloat32**。
语法
torch.nn.Conv2d(in_channels, out_channels, kernel_size)
参数
- **in_channels** – 输入图像中的通道数。
- **out_channels** – 卷积操作产生的通道数。
- **kernel_size** – 卷积核的大小。
除了以上三个参数外，还有一些可选参数，例如 **stride、padding、dilation** 等。我们将在以下示例中详细介绍这些参数的示例。
步骤
您可以使用以下步骤应用 2D 卷积操作：
- 导入所需的库。在以下所有示例中，所需的 Python 库是 **torch**。请确保您已安装它。要在图像上应用 2D 卷积操作，我们还需要 **torchvision** 和 **Pillow**。
import torch import torchvision from PIL import Image
定义 **输入** 张量或读取输入图像。如果输入是图像，则我们首先将其转换为 torch 张量。
定义 **in_channels、out_channels、kernel_size** 和其他参数。
接下来，通过将上述定义的参数传递给 **torch.nn.Conv2d()** 来定义卷积操作 conv。
conv = nn.Conv2d(in_channels, out_channels, kernel_size)
- 将卷积操作 conv 应用于输入张量或图像张量。
output = conv(input)
- 接下来打印卷积操作后的张量。如果输入是图像张量，则要可视化图像，我们首先将卷积操作后获得的张量转换为 PIL 图像，然后可视化图像。
让我们举几个例子，以便更好地理解。
输入图像
我们将在示例 2 中使用以下图像作为输入文件。
示例 1
在下面的 Python 示例中，我们对输入张量执行 2D 卷积操作。我们应用了 **kernel_size、stride、padding** 和 **dilation** 的不同组合。
# Python 3 program to perform 2D convolution operation
import torch
import torch.nn as nn
'''torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0)
'''
in_channels = 2
out_channels = 3
kernel_size = 2
conv = nn.Conv2d(in_channels, out_channels, kernel_size)
# conv = nn.Conv2d(2, 3, 2)
'''input of size [N,C,H, W]
N==>batch size,
C==> number of channels,
H==> height of input planes in pixels,
W==> width in pixels.
'''
# define the input with below info
N=2
C=2
H=4
W=4
input = torch.empty(N,C,H,W).random_(256)
print("Input Tensor:
", input)
print("Input Size:",input.size())
# Perform convolution operation
output = conv(input)
print("Output Tensor:
", output)
print("Output Size:",output.size())
# With square kernels (2,2) and equal stride
conv = nn.Conv2d(2, 3, 2, stride=2)
output = conv(input)
print("Output Size:",output.size())
# non-square kernels and unequal stride and with padding
conv = nn.Conv2d(2, 3, (2, 3), stride=(2, 1), padding=(2, 1))
output = conv(input)
print("Output Size:",output.size())
# non-square kernels and unequal stride and with padding and dilation
conv = nn.Conv2d(2, 3, (2, 3), stride=(2, 1), padding=(2, 1),
dilation=(2, 1))
output = conv(input)
print("Output Size:",output.size())输出
Input Tensor: tensor([[[[218., 190., 62., 113.], [244., 63., 207., 220.], [238., 110., 29., 131.], [ 65., 249., 183., 188.]], [[122., 250., 28., 126.], [ 10., 42., 4., 145.], [ 1., 122., 165., 189.], [ 59., 100., 1., 187.]]], [[[213., 18., 186., 162.], [121., 10., 107., 123.], [ 32., 129., 5., 227.], [ 76., 4., 196., 246.]], [[ 41., 191., 64., 195.], [146., 163., 39., 177.], [121., 84., 223., 144.], [ 44., 182., 25., 15.]]]]) Input Size: torch.Size([2, 2, 4, 4]) Output Tensor: tensor([[[[ 200.8638, 67.4519, 109.4424], [ 100.6047, 58.4399, 95.3557], [ 89.4536, 105.6236, 138.5873]], [[ -71.7612, -69.3269, 14.8537], [ -48.7640, -111.0042, -163.9681], [ -60.4490, 0.4771, -34.4785]], [[ -74.8413, -156.2264, -51.3553], [ -47.2120, -25.1986, -65.1617], [-109.8461, -68.7073, -47.6045]]], [[[ 90.5058, 51.1314, 138.2387], [ 62.8581, 62.5389, 56.5713], [ 78.0566, 57.6294, 143.0357]], [[-154.6399, -100.9079, -108.6138], [ -99.6024, -120.7665, -112.6453], [-107.5664, -76.9361, 17.8084]], [[ 23.9299, -95.5887, -51.7418], [ -46.8106, 15.3651, -66.4384], [ 2.1374, -65.6986, -144.9656]]]], grad_fn=<MkldnnConvolutionBackward>) Output Size: torch.Size([2, 3, 3, 3]) Output Size: torch.Size([2, 3, 2, 2]) Output Size: torch.Size([2, 3, 4, 4]) Output Size: torch.Size([2, 3, 3, 4])
示例 2
在下面的 Python 示例中，我们对输入图像执行 2D 卷积操作。要应用 2D 卷积，我们首先将图像转换为 torch 张量，并在卷积后再次将其转换为 PIL 图像以进行可视化。
# Python program to perform 2D convolution operation on an image
# Import the required libraries
import torch
import torchvision
from PIL import Image
import torchvision.transforms as T
# Read input image
img = Image.open('dogncat.jpg')
# convert the input image to torch tensor
img = T.ToTensor()(img)
print("Input image size:
", img.size()) # size = [3, 466, 700]
# unsqueeze the image to make it 4D tensor
img = img.unsqueeze(0) # image size = [1, 3, 466, 700]
# define convolution layer
# conv = nn.Conv2d(in_channels, out_channels, kernel_size)
conv = torch.nn.Conv2d(3, 3, 2)
# apply convolution operation on image
img = conv(img)
# squeeze image to make it 3D
img = img.squeeze(0) #now size is again [3, 466, 700]
# convert image to PIL image
img = T.ToPILImage()(img)
# display the image after convolution
img.show()**注意** - 由于初始化的权重在不同的运行中可能不同，因此您可能会在卷积操作后获得不同的输出图像。
输出
Input image size: torch.Size([3, 525, 700]) Output image size: torch.Size([3, 524, 699])
请注意，由于 **权重** 和 **偏差** 的初始化，您可能会在每次运行后看到获得的图像发生一些变化。
更新于: 2022年1月25日
7K+ 浏览量
广告