Pytorch学习 day07（神经网络基本骨架的搭建、2D卷积操作、2D卷积层）

丿罗小黑2024-03-09 17:31

神经网络基本骨架的搭建

  • Module：给所有的神经网络提供一个基本的骨架，所有神经网络都需要继承Module，并定义_ _ init _ _方法、 forward() 方法
  • 在_ _ init _ _方法中定义，卷积层的具体变换，在forward() 方法中定义，神经网络的前向传播具体是什么样的
  • 官方代码样例如下：
bash 复制代码 
import torch.nn as nn
import torch.nn.functional as F

class Model(nn.Module):
    def __init__(self):
        super().__init__()
        self.conv1 = nn.Conv2d(1, 20, 5)
        self.conv2 = nn.Conv2d(20, 20, 5)

    def forward(self, x):
        x = F.relu(self.conv1(x))
        return F.relu(self.conv2(x))
  • 表明输入 x 经过一个卷积层A，一个非线性层a，一个卷积层B，一个非线性层b，最后输出，如下图：
  • 简单模型代码如下：
bash 复制代码 
from torch import nn
import torch

# 定义一个简单的Module
class Tudui(nn.Module):
    def __init__(self): # 初始化函数
        super().__init__()  # 调用父类的初始化函数

    def forward(self, input):   # 前向传播函数
        output = input + 1  # 定义张量的加法运算
        return output   # 返回输出张量

tudui = Tudui() # 实例化一个Tudui对象
x = torch.tensor(1.0)   # tensor()函数可以将任意数据转换为张量
print(tudui(x))
复制代码 
* 注意：可以在调试模式中，选择单步执行代码，一步一步执行更清晰

2D卷积操作（了解原理即可，实际直接使用卷积层）

  • 2D卷积操作：卷积核在输入图像上不断移动，并把对应位相乘再求和，最后得到输出结果，以下是参数设置：
    • input：输入张量的维数要是四维，batch表示一次输入多少张图像，channel表示通道数，RGB图像的通道数为3，灰度图像（一层二维张量）的通道数为1，H为高度，W为宽度
    • weight：卷积核，维数也要是四维，out_channel表示（输出通道数）卷积核的数量，in_channel表示输入图像的通道数，一般groups为1，H为高度，W为宽度
    • stride：卷积核每次移动的步长（为整数或者长度为2的元组），如果是整数，表示在水平和垂直方向上使用相同的步长。如果是元组，分别表示在水平和垂直方向上的步长。默认为1。
    • padding：控制在输入张量的边界周围添加的零填充的数量（为整数或长度为2的元组），如果是整数，表示在水平和垂直方向上使用相同的填充数量。如果是元组，分别表示在水平和垂直方向上的填充数量。默认为0
  • 例如，将一张灰度图经过2D卷积操作得到输出的代码，如下：
bash 复制代码 
import torch

# 因为想让输入数据是tensor类型的，所以使用torch.tensor
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]])

# 因为想让卷积核是tensor类型的，所以使用torch.tensor
kernel = torch.tensor([[1,2,1],
                      [0,1,0],
                      [2,1,0]])
print(input.shape) # torch.Size([5, 5])
print(kernel.shape) # torch.Size([3, 3])

# 由于卷积核的尺寸和输入的尺寸都不满足卷积运算的要求，所以需要对输入和卷积核进行维度的扩展
input = torch.reshape(input, [1,1,5,5]) # 输入是一张二维图片，所以batch_size=1（一张），通道数为1（二维张量）
kernel = torch.reshape(kernel, [1,1,3,3]) # 卷积核的个数为1，所以输出通道数为1，输入通道数由上可知为1

print(input.shape) # torch.Size([1, 1, 5, 5])
print(kernel.shape) # torch.Size([1, 1, 3, 3])

output = torch.nn.functional.conv2d(input, kernel, stride=1)   # 经过2D卷积运算后的输出 
print(output)
  • 可视化图如下：
  • padding设置为1的可视化图如下：

2D卷积层


  • 2D卷积层，通常我们直接使用卷积层即可，上一节仅供了解，以下是参数设置：
    • in_channels：输入通道数，RGB图像为3，灰度图像为1，一层二维张量为1
    • out_channels：输出通道数，即卷积核的个数
    • kernel_size：卷积核的高宽（整数或元组），整数时表示高宽都为该整数，元组时表示分别在水平和垂直方向上的长度。我们只需要设置卷积核的高宽，而卷积核内部的具体参数不需要我们指定，它是在神经网络的训练中不断地对分布进行采样，同时进行不断调整
    • stride：卷积核每次移动的步长（整数或元组），整数时表示在水平和垂直方向上使用相同的步长。元组时分别表示在水平和垂直方向上的步长。默认为1。
    • padding：控制在输入张量的边界周围添加的零填充的数量（为整数或元组），如果是整数，表示在水平和垂直方向上使用相同的填充数量。如果是元组，分别表示在水平和垂直方向上的填充数量。默认为0
    • padding_mode：控制以什么样的模式进行填充，默认为 zeros 零填充
    • dilation：卷积核内部元素之间的距离，空洞卷积
    • groups：默认为1
    • bias：给输出加一个偏置，默认为True
  • 以下是2D卷积层的可视化图像，青色的为输出图像，蓝色为输入图像，深蓝色为卷积核：
No padding，No strides Aribitrary padding，No strides
Half padding，No strides Full padding，No strides
No padding，strides Padding，strides Padding，strides（odd）
  • 当out_channel 为2时，卷积核也为2个，会先拿第一个卷积核与输入图像进行卷积，得到第一个输出，然后会拿第二个卷积核与输入图像进行卷积，得到第二个输出，这两个卷积核内部的具体参数可能会不同，最后把这两个输出叠加起来得到最终的输出，以下是可视化图像：
  • 构建一个包含一层简单2D卷积层的神经网络模型，代码如下：
bash 复制代码 
import torch
import torch.nn as nn
import torchvision

test_dataset = torchvision.datasets.CIFAR10(root='Dataset', train=False, download=True, transform=torchvision.transforms.ToTensor())
test_loader = torch.utils.data.DataLoader(test_dataset, batch_size=64, shuffle=False, num_workers=0)

class Tudui(nn.Module):

    def __init__(self): # 初始化
        super().__init__()  # 继承父类的初始化
        self.conv1 = nn.Conv2d(3, 6, 3, 1, 0)   # 输入通道数3，输出通道数6，卷积核大小3*3，步长1，填充0

    def forward(self, x):  # 前向传播
        x = self.conv1(x)   # 调用卷积层对输入x进行卷积
        return x

tudui = Tudui() # 实例化网络模型

print(tudui)    # 打印网络结构

# 输出结果：
# Files already downloaded and verified
# Tudui(
#  (conv1): Conv2d(3, 6, kernel_size=(3, 3), stride=(1, 1))
# )
  • 打印输入和输出的代码如下：
    • 注意：由于输入经过了一层卷积，所以输出尺寸会变小
bash 复制代码 
for data in test_loader:
    imgs, targets = data
    outputs = tudui(imgs)   # 调用网络模型进行前向传播
    print(imgs.shape)       # 打印输入数据的形状，torch.Size([64, 3, 32, 32])
    print(outputs.shape)    # 打印输出数据的形状，torch.Size([64, 6, 30, 30])
  • 可以通过tensorboard来展示输入图像和输出图像，代码如下：
    • 注意： 由于outputs的channel为6，而add_images函数要求channel为3，所以需要对outputs进行处理
    • 把torch.Size([64, 6, 30, 30]) -> torch.Size([xx, 3, 30, 30]) 把6个通道变成3个通道，多出来的部分就打包放入batch_size中
    • 如果不知道变换后的batch_size是多少，可以写-1，PyTorch会自动计算
bash 复制代码 
import torch
import torch.nn as nn
import torchvision
from torch.utils.tensorboard import SummaryWriter

test_dataset = torchvision.datasets.CIFAR10(root='Dataset', train=False, download=True, transform=torchvision.transforms.ToTensor())
test_loader = torch.utils.data.DataLoader(test_dataset, batch_size=64, shuffle=False, num_workers=0)

class Tudui(nn.Module):

    def __init__(self): # 初始化
        super().__init__()  # 继承父类的初始化
        self.conv1 = nn.Conv2d(3, 6, 3, 1, 0)   # 输入通道数3，输出通道数6，卷积核大小3*3，步长1，填充0

    def forward(self, x):  # 前向传播
        x = self.conv1(x)   # 调用卷积层对输入x进行卷积
        return x

tudui = Tudui() # 实例化网络模型

writer = SummaryWriter("logs") # 创建一个SummaryWriter对象，指定日志文件保存路径
step = 0
for data in test_loader:
    imgs, targets = data
    outputs = tudui(imgs)   # 调用网络模型进行前向传播
    writer.add_images("input", imgs, step)  # 将输入数据imgs写入日志文件
    # 由于outputs的channel为6，而add_images函数要求channel为3，所以需要对outputs进行处理
    # 把torch.Size([64, 6, 30, 30]) -> torch.Size([xx, 3, 30, 30]) 把6个通道变成3个通道，多出来的部分就打包放入batch_size中
    # 如果不知道变换后的batch_size是多少，可以使用-1，PyTorch会自动计算
    outputs = torch.reshape(outputs, (-1, 3, 30, 30))  # 将outputs的channel从6改为3
    writer.add_images("output", outputs, step)  # 将输出数据outputs写入日志文件
    step += 1

writer.close()  # 关闭日志文件
  • 结果如下：
  • 注意：如果别人论文里没有写stride、padding具体为多少，那么我们可以根据以下式子进行推导：
    • N：batch_size
    • C：channel
    • H：高
    • W：宽
相关推荐
百***07452 分钟前
OpenClaw+一步API实战：本地化AI自动化助手从部署到落地全指南
大数据·人工智能·python
AI视觉网奇5 分钟前
ue 导出 fbx
笔记·学习·ue5
野犬寒鸦8 分钟前
从零起步学习并发编程 || 第三章：JMM(Java内存模型)详解及对比剖析
java·服务器·开发语言·分布式·后端·学习·spring
deephub10 分钟前
torch.compile 加速原理：kernel 融合与缓冲区复用
人工智能·pytorch·深度学习·神经网络
HyperAI超神经12 分钟前
覆盖天体物理/地球科学/流变学/声学等19种场景，Polymathic AI构建1.3B模型实现精确连续介质仿真
人工智能·深度学习·学习·算法·机器学习·ai编程·vllm
AI周红伟13 分钟前
周红伟：大模型的微调和 腾讯姚顺雨 刚发布“上下文学习”论文，的区别和联系
学习
沐泽__26 分钟前
Flask简介
后端·python·flask
近津薪荼30 分钟前
递归专题（4）——两两交换链表中的节点
数据结构·c++·学习·算法·链表
码界奇点30 分钟前
基于Django的超市管理系统设计与实现
数据库·python·django·sqlite·毕业设计·源代码管理
-Springer-34 分钟前
STM32 学习 —— 个人学习笔记2-1（软件安装）
笔记·stm32·学习
热门推荐
01GitHub 镜像站点02OpenCode 入门教程：介绍 · 安装 · 配置第三方 API (如 Claude)032025 年大语言模型发展回顾：关键突破、意外转折与 2026 年展望04Claude Code Skills 实用使用手册05Clawdbot 中文汉化版 接入微信、飞书06在Trae中使用Pencil MCP07Claude Code + GLM4.7 避坑指南：解决 Unable to connect to Anthropic services08一文了解国产算子编程语言 TileLang，TileLang 对国产开源生态的影响与启示09UV安装并设置国内源10Vue-skills的中文文档