神经网络 torch.nn---Convolution Layers

torch.nn — PyTorch 2.3 documentation

torch.nn - PyTorch中文文档 (pytorch-cn.readthedocs.io)

torch.nn和torch.nn.functional的区别

torch.nn是对torch.nn.functional的一个封装，让使用torch.nn.functional里面的包的时候更加方便
torch.nn包含了torch.nn.functional，打个比方，torch.nn.functional相当于开车的时候齿轮的运转，torch.nn相当于把车里的齿轮都封装好了，为我们提供一个方向盘
如果只是简单应用，会torch.nn就好了。但要细致了解卷积操作，需要深入了解torch.nn.functional
打开torch.nn.functional的官方文档，可以看到许多跟卷积相关的操作：torch.nn.functional — PyTorch 2.3 documentation

torch.nn中Convolution Layers 卷积层

一维卷积层 torch.nn.Conv1d
二维卷积层 torch.nn.Conv2d
三维卷积层 torch.nn.Conv3d

一维卷积层 torch.nn.Conv1d

class torch.nn.Conv1d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True)

一维卷积层，输入的尺度是(N, C_in,L)，输出尺度（ N,C_out,L_out）的计算方式：

说明

bigotimes: 表示相关系数计算
stride: 控制相关系数的计算步长
dilation: 用于控制内核点之间的距离，详细描述在这里
groups: 控制输入和输出之间的连接， group=1，输出是所有的输入的卷积；group=2，此时相当于有并排的两个卷积层，每个卷积层计算输入通道的一半，并且产生的输出是输出通道的一半，随后将这两个输出连接起来。

Parameters：

in_channels(int) – 输入信号的通道
out_channels(int) – 卷积产生的通道
kerner_size(int or tuple) - 卷积核的尺寸
stride(int or tuple, optional) - 卷积步长
padding (int or tuple, optional)- 输入的每一条边补充0的层数
dilation(int or tuple, `optional``) – 卷积核元素之间的间距
groups(int, optional) – 从输入通道到输出通道的阻塞连接数
bias(bool, optional) - 如果bias=True，添加偏置

shape:
输入: (N,C_in,L_in)
输出: (N,C_out,L_out)
输入输出的计算方式：

变量:
weight(tensor) - 卷积的权重，大小是(out_channels, in_channels, kernel_size)
bias(tensor) - 卷积的偏置系数，大小是（out_channel）

二维卷积层

1、torch.nn.functional.conv2d

torch.nn.functional.conv2d(input, weight, bias=None, stride=1, padding=0, dilation=1, groups=1)

对几个输入平面组成的输入信号应用2D卷积。

参数：

input: 输入，数据类型为tensor，形状尺寸规定为：(minibatch, 几个通道(in_channels), 高, 宽)
weight: 权重。更专业地来说可以叫卷积核，形状尺寸规定为：(输出的通道(out_channel), in_channels/groups(groups一般取1), 高kH, 宽kW)
bias: 偏置。可选偏置张量 (out_channels)
strids: 步幅。卷积核的步长，可以是单个数字或一个元组 (sh x sw)
padding: 填充。默认为1 - padding – 输入上隐含零填充。可以是单个数字或元组。
默认值：0 - groups – 将输入分成组，in_channels应该被组数除尽

举例讲解参数strids

输入一个5×5的图像，其中的数字代表在每个像素中的颜色显示。卷积核设置为3×3的大小。

strids参数的输入格式是单个数或者形式为 (sH,sW) 的元组，可以理解成：比如输入单个数：strids=1，每次卷积核在图像中向上下或左右移1位；如果输入strids=(2,3)，那么每次卷积核在图像中左右移动（横向移动）时，是移动2位，在图像中上下移动（纵向移动）时，是移动3位。
本例设置strids=1

第一次移位：

基于上述的假设，在做卷积的过程中，需要将卷积核将图像的前三行和前三列进行匹配：

在匹配过后，进行卷积计算：对应位相乘然后相加，即

上面的得出的10可以赋值给矩阵，然后作为一个输出

之后卷积核可以在图像中进行一个移位，可以向旁边走1位或2位，如下图（向右走2位）。具体走多少位由strids参数决定，比如strids=2，那就是走2位。本例设置stride=1。

第二次移位：

向右移动一位，进行卷积计算：

以此类推，走完整个图像，最后输出的矩阵如下图。这个矩阵是卷积后的输出。

举例讲解参数padding

padding的作用是在输入图像的左右两边进行填充，padding的值决定填充的大小有多大，它的输入形式为一个整数或者一个元组 ( padH, padW )，其中，padH=高，padW=宽。默认padding=0，即不进行填充。

仍输入上述的5×5的图像，并设置padding=1，那么输入图像将会变成下图，即图像的上下左右都会拓展一个像素，然后这些空的地方像素（里面填充的数据）都默认为0。

按上面的顺序进行卷积计算，第一次移位时在左上角3×3的位置，卷积计算公式变为：

以此类推，完成后面的卷积计算，并输出矩阵

程序代码

import torch
import torch.nn.functional as F

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]])

kernel = torch.tensor([[1, 2, 1],
                       [0, 1, 0],
                       [2, 1, 0]])

input = torch.reshape(input, (1, 1, 5, 5))
kernel = torch.reshape(kernel, (1, 1, 3, 3))

print(input.shape)
print(kernel.shape)

output = F.conv2d(input, kernel, stride=1)
print(output)

# Stride=2
output2 = F.conv2d(input, kernel, stride=2)
print(output2)

#  padding=1
output3 = F.conv2d(input, kernel, stride=1, padding=1)
print(output3)

运行结果

2、torch.nn.Conv2d

class torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True)

Parameters：

in_channels(int) – 输入信号的通道。输入图像的通道数，彩色图像一般为3（RGB三通道）
out_channels(int) – 卷积产生的通道。产生的输出的通道数
kerner_size(int or tuple) - 卷积核的尺寸。一个数或者元组，定义卷积大小。如kernel_size=3，即定义了一个大小为3×3的卷积核；kernel_size=(1,2)，即定义了一个大小为1×2的卷积核。
stride(int or tuple, optional) - 卷积步长。默认为1，卷积核横向、纵向的步幅大小
padding(int or tuple, optional) - 默认为0，对图像边缘进行填充的范围
dilation(int or tuple, optional) – 卷积核元素之间的间距。默认为1，定义在卷积过程中，它的核之间的距离。这个我们称之为空洞卷积，但不常用。
groups(int, optional) – 从输入通道到输出通道的阻塞连接数。默认为1。分组卷积，一般都设置为1，很少有改动
bias(bool, optional) - 默认为True。偏置，常年设置为True。代表卷积后的结果是否加减一个常数。

二维卷积层, 输入的尺度是(N, C_in,H,W)，输出尺度（N,C_out,H_out,W_out）

关于卷积操作，官方文档的解释如下：

图像输入输出尺寸转化计算公式

参数说明：

N: 图像的batch_size
C: 图像的通道数
H: 图像的高
W: 图像的宽

计算过程

shape:
input: (N,C_in,H_in,W_in)
output: (N,C_out,H_out,W_out)or(C_out,H_out,W_out)

看论文的时候，有些比如像padding这样的参数不知道，就可以用这条公式去进行推导

变量:
weight(tensor) - 卷积的权重，大小是(out_channels, in_channels,kernel_size)
bias(tensor) - 卷积的偏置系数，大小是（out_channel）

参数kernel_size的说明

kernel_size主要是用来设置卷积核大小尺寸的，给定模型一个kernel_size，模型就可以据此生成相应尺寸的卷积核。
卷积核中的参数从图像数据分布中采样计算得到的。
卷积核中的参数会通过训练不断进行调整。

参数out_channel的说明

如果输入图像in_channel=1，并且只有一个卷积核，那么对于卷积后产生的输出，其out_channel也为1
如果输入图像in_channel=2，此时有两个卷积核，那么在卷积后将会输出两个矩阵，把这两个矩阵当作一个输出，此时out_channel=2

程序代码

使用CIFAR中的图像数据，对Conv2d进行讲解

import torch
import torchvision
from torch import nn
from torch.nn import Conv2d
from torch.utils.data import Dataset, DataLoader
from torch.utils.tensorboard import SummaryWriter

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

class Tudui(nn.Module):
    def __init__(self):
        super(Tudui, self).__init__()
        self.conv1 = nn.Conv2d(3, 6, 3, stride=1, padding=0)

    def forward(self, x):
        x = self.conv1(x)
        return x

tudui = Tudui()
print(tudui)

writer = SummaryWriter('./logs')
step = 0
for data in dataloader:
    imgs, targets = data
    outputs = tudui(imgs)
    print(imgs.shape) # torch.Size([64, 3, 32, 32])
    print(outputs.shape) # torch.Size([64, 6, 30, 30])
    writer.add_images("input", imgs, step)
    # torch.Size([64, 6, 30, 30])   ->> [64, 3, 32, 32]
    output = torch.reshape(outputs, [-1, 3, 30, 30])#由于第一个值不知道是多少，所以写-1，它会根据后面的值去计算
    writer.add_images("output", output, step)
    step += 1

writer.close()