資料結構
網路
關係型資料庫管理系統
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物學
數學
英語
經濟學
心理學
社會學
時尚研究
法律研究如何在 PyTorch 中應用 2D 卷積操作？
我們可以使用 **torch.nn.Conv2d()** 模組對由多個輸入平面組成的輸入影像應用 2D 卷積操作。它在卷積神經網路 (CNN) 中實現為一層。2D 卷積層的輸入必須為 **[N,C,H,W]** 大小，其中 **N** 是批次大小，C 是通道數，H 和 W 是輸入張量的 高度和寬度。
通常，2D 卷積操作應用於影像張量。對於 RGB 影像，通道數為 3。卷積操作的主要特徵是濾波器或核心大小和步長。此模組支援 **TensorFloat32**。
語法
torch.nn.Conv2d(in_channels, out_channels, kernel_size)
引數
- **in_channels** – 輸入影像中的通道數。
- **out_channels** – 卷積操作產生的通道數。
- **kernel_size** – 卷積核的大小。
除了以上三個引數外，還有一些可選引數，例如 **stride、padding、dilation** 等。我們將在以下示例中詳細介紹這些引數的示例。
步驟
您可以使用以下步驟應用 2D 卷積操作：
- 匯入所需的庫。在以下所有示例中，所需的 Python 庫是 **torch**。請確保您已安裝它。要在影像上應用 2D 卷積操作，我們還需要 **torchvision** 和 **Pillow**。
import torch import torchvision from PIL import Image
定義 **輸入** 張量或讀取輸入影像。如果輸入是影像，則我們首先將其轉換為 torch 張量。
定義 **in_channels、out_channels、kernel_size** 和其他引數。
接下來，透過將上述定義的引數傳遞給 **torch.nn.Conv2d()** 來定義卷積操作 conv。
conv = nn.Conv2d(in_channels, out_channels, kernel_size)
- 將卷積操作 conv 應用於輸入張量或影像張量。
output = conv(input)
- 接下來列印卷積操作後的張量。如果輸入是影像張量，則要視覺化影像，我們首先將卷積操作後獲得的張量轉換為 PIL 影像，然後視覺化影像。
讓我們舉幾個例子，以便更好地理解。
輸入影像
我們將在示例 2 中使用以下影像作為輸入檔案。
示例 1
在下面的 Python 示例中，我們對輸入張量執行 2D 卷積操作。我們應用了 **kernel_size、stride、padding** 和 **dilation** 的不同組合。
# 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())輸出
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，我們對輸入影像執行 2D 卷積操作。要應用 2D 卷積，我們首先將影像轉換為 torch 張量，並在卷積後再次將其轉換為 PIL 影像以進行視覺化。
# 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** - 由於初始化的權重在不同的執行中可能不同，因此您可能會在卷積操作後獲得不同的輸出影像。
輸出
Input image size: torch.Size([3, 525, 700]) Output image size: torch.Size([3, 524, 699])
請注意，由於 **權重** 和 **偏差** 的初始化，您可能會在每次執行後看到獲得的影像發生一些變化。
更新於: 2022年1月25日
7K+ 瀏覽量
廣告