八、卷积层

一、Conv2d

torch.nn.Conv2d官网文档
torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True, padding_mode='zeros', device=None, dtype=None)

相关参数设置的演示，需要科学上网，懂得都懂

二、代码演示

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

dataset_test = torchvision.datasets.CIFAR10("CIFAR_10",train=False,transform=torchvision.transforms.ToTensor(),download=True)
#下载CIFAR10数据集到CIFAR_10文件夹下，train=False下载测试集，transform=torchvision.transforms.ToTensor()对数据进行转换为tensor类型，download=True若没有则下载数据集

dataloader = DataLoader(dataset=dataset_test,batch_size=32)
#dataset=dataset_test指定装载的数据集为dataset_test也就是CIAFAR10数据集中的测试集；batch_size=32每32张为一组

class Beyond(nn.Module):
    def __init__(self):
        super(Beyond, self).__init__()
        self.conv2d_1 = Conv2d(in_channels=3,out_channels=6,kernel_size=3,stride=1,padding=1)
        #in_channels=3输入的3通道的彩色图片
        #out_channels=6输出为通过卷积之后得到的6通道的特征图
        #kernel_size=3卷积核的大小为(3,3)
        #stride=1每一步进行(1,1)的移动
        #padding=1为了防止卷积之后的特征图大小变化，这里向图片的加了一圈边

    def forward(self,input):
        result = self.conv2d_1(input)#对传入的input数据进行卷积，卷积的配置在__init__中进行定义
        return result

beyond = Beyond()
print(beyond)
"""
Beyond(
  (conv2d_1): Conv2d(3, 6, kernel_size=(3, 3), stride=(1, 1))#也就是__init__中的定义
)
"""

writer = SummaryWriter("y_log")#准备上传至tensorboard


i = 0
for data in dataloader:
    imgs,targets = data
    output = beyond(imgs)
    #print(imgs.shape)#torch.Size([32, 3, 32, 32])
    #print(output.shape)#torch.Size([32, 6, 32, 32])
    #原始的数据为[32, 3, 32, 32],[batch,channel,H,W]
    #卷积之后变成了6通道，故需要转换输出数据
    output = torch.reshape(output,(-1,3,32,32))#这里的channel为3，而batch为-1表示：输出就为3个，剩下的往batch上加，相当于多来几组


    writer.add_images("input_CIFAR10",imgs,i)
    writer.add_images("output_CIFAR10",output,i)
    i = i + 1

writer.close()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54

在Terminal下运行tensorboard --logdir=y_log --port=7870，logdir为打开事件文件的路径，port为指定端口打开；
通过指定端口2312进行打开tensorboard，若不设置port参数，默认通过6006端口进行打开。

点击该链接或者复制链接到浏览器打开即可
input_CIFAR10为32张一组，而output_CIFAR10则不一样
原因是在神经网络模型构建的时候Conv2d(in_channels=3,out_channels=6,kernel_size=3,stride=1,padding=1)，输入3通道，卷积操作之后输出6通道
因为通道数的不同，无法上传至tensorboard展示，故又通过torch.reshape(output,(-1,3,32,32))对output进行了转换下格式，其中(-1,3,32,32)，out_channels将强制转换为3，而因为是-1故需要将多余的通过batch进行扩展，也就是增加每组图片的数量，故在tensorboard中显示的时候input和output显示的每组数量不一样。