神经网络-卷积层

卷积

输入通道数, 输出通道数,核大小

参数具体含义

直观理解各个参数的网站(gif)

python 复制代码
https://github.com/vdumoulin/conv_arithmetic/blob/master/README.md

大概长这样,cyan是青色的意思

channel数(终于理解论文里图片放好多层的原因了)

查看网络结构可以直接print

python 复制代码
dataset = torchvision.datasets.CIFAR10(root='./data', train=False, download=True, transform=torchvision.transforms.ToTensor())
dataloader = DataLoader(dataset, batch_size=64, shuffle=True)

class Tudui(nn.Module):
    def __init__(self):
        super(Tudui, self).__init__()
        self.conv1 = nn.Conv2d(in_channels=3, out_channels=6, kernel_size=3, stride=1, padding=0)
    def forward(self, x):
        x = self.conv1(x)
        return x
tudui = Tudui()
print(tudui)

注意kernel_size是(3, 3),而不是3

想自己算出输出图像的大小,可以按照下面公式进行计算

python 复制代码
https://pytorch.org/docs/stable/generated/torch.nn.Conv2d.html#torch.nn.Conv2d

完整流程

python 复制代码
import torch
import torchvision
from torch import nn
from torch.utils.data import DataLoader
from torch.utils.tensorboard import SummaryWriter

dataset = torchvision.datasets.CIFAR10(root='./data', train=False, download=True, transform=torchvision.transforms.ToTensor())
dataloader = DataLoader(dataset, batch_size=64, shuffle=True)

class Tudui(nn.Module):
    def __init__(self):
        super(Tudui, self).__init__()
        self.conv1 = nn.Conv2d(in_channels=3, out_channels=6, kernel_size=3, stride=1, padding=0)
    def forward(self, x):
        x = self.conv1(x)
        return x

tudui = Tudui()

writer = SummaryWriter('./logs') # ../logs是放在上级目录
step = 0
for data in dataloader:
    imgs, targets = data
    output = tudui(imgs)
    # print(imgs.shape)
    # print(output.shape)
    # torch.Size([64, 3, 32, 32])
    writer.add_images('input', imgs, global_step=step) # 注意是add_images
    # torch.Size([64, 6, 30, 30]) -> [xxx, 3, 30, 30]
    output = torch.reshape(output, (-1, 3, 30, 30))
    writer.add_images('output', output, global_step=step)
    step += 1
writer.close()

至于为什么最后显示的不一样,是因为kernel是随机生成的,并未设置

相关推荐
好心的小明4 分钟前
【王树森推荐系统】召回05:矩阵补充、最近邻查找
人工智能·推荐系统
归去_来兮41 分钟前
Transformer模型原理概述
人工智能·深度学习·transformer
酌沧1 小时前
深度学习 必然用到的 微积分知识
人工智能·深度学习
PyAIExplorer1 小时前
图像轮廓检测与绘制:OpenCV 实战指南
人工智能·opencv·计算机视觉
码字的字节1 小时前
深入理解Transformer架构:从理论到实践
深度学习·架构·transformer
TaoSense1 小时前
AI芯片产品经理:算力革命的架构师
人工智能·产品经理
Brian Xia2 小时前
Word2Vec模型详解:CBOW与Skip-gram
人工智能·自然语言处理·word2vec
ai小鬼头2 小时前
AIStarter 3.2.0更新!一键离线导入+高速下载,熊哥教你轻松玩转AI工具
人工智能·程序员·github
若兰幽竹2 小时前
基于DeepSeek构建的openGauss AI智能优化助手:数据库性能提升新利器
人工智能·大模型·opengauss·deepseek