卷积神经网络 -多输入多输出通道

多输入多输出通道

每个RGB输入图像具有$3\ast h\ast w$的形状。我们将这个大小为3的轴称为通道（channel）维度。在本节中，我们将更深入地研究具有多输入和多输出通道的卷积核

1 - 多输入通道

import torch
from d2l import torch as d2l
1
2

def corr2d_multi_in(X,K):
    # 先遍历"X"和"K"的第0个维度（通道维度），再把它们加在一起
    return sum(d2l.corr2d(x,k) for x,k in zip(X,K))
1
2
3

我们可以构造与图6.4.1中的值相对应的输入张量X和核张量K，以验证互相关运算的输出

X = torch.tensor([[[0.0, 1.0, 2.0], [3.0, 4.0, 5.0], [6.0, 7.0, 8.0]],
                    [[1.0, 2.0, 3.0], [4.0, 5.0, 6.0], [7.0, 8.0, 9.0]]])

K = torch.tensor([[[0.0, 1.0], [2.0, 3.0]], [[1.0, 2.0], [3.0, 4.0]]])
corr2d_multi_in(X,K)
1
2
3
4
5

tensor([[ 56.,  72.],
        [104., 120.]])
1
2

2 - 多输出通道

到目前为止，不论有多少输入通道，我们还只有一个输出通道。然而，正如我们在6.1.4节中所讨论的，每一层有多个输出通道时至关重要的。在最流行的神经网络架构中，随着神经网络层数的加深，我们常会增加输出通道的维数，通过减少空间分别率以获得更大的通道深度。直观地说，我们可以将每个通道看作是对不同特征的响应。而现实可能更为复杂一些，因为每个通道不是独立学习的，而是为了共同使用而优化的。因此，多输出通道并不仅是学习多个单通道的检测器

def corr2d_multi_in_out(X,K):
    # 迭代“K”的第0个维度，每次都对输入“X”执行互相关运算
    # 最后将所有结果都叠加在一起
    return torch.stack([corr2d_multi_in(X,k) for k in K],0)
1
2
3
4

通过将核张量K与K+1（K中每个元素+1）和K+2连接起来，构造了一个具有3个输出通道的卷积核

K = torch.stack((K,K+1,K+2),0)
K.shape
1
2

torch.Size([3, 2, 2, 2])
1

下面，我们对输入张量X与卷积核张量K执行互相关运算。现在的输出包含3个通道，第一个通道的结果与先前输入张量X和多输入单输出通道的结果一致

corr2d_multi_in_out(X,K)
1

tensor([[[ 56.,  72.],
         [104., 120.]],

        [[ 76., 100.],
         [148., 172.]],

        [[ 96., 128.],
         [192., 224.]]])
1
2
3
4
5
6
7
8

3 - 1 * 1卷积层

def corr2d_multi_in_out_1x1(X,K):
    c_i,h,w = X.shape
    c_o = K.shape[0]
    X = X.reshape((c_i,h * w))
    K = K.reshape((c_o,c_i))
    # 全连接层中的矩阵乘法
    Y = torch.matmul(K,X)
    return Y.reshape((c_o,h,w))
1
2
3
4
5
6
7
8

当 1 * 1 卷积运算时，上述函数相当于先前实现的互相关函数corr2d_multi_in_out。让我们用一些样本数据来验证这一点

X = torch.normal(0,1,(3,3,3))
K = torch.normal(0,1,(2,3,1,1))
1
2

Y1 = corr2d_multi_in_out_1x1(X, K)
Y2 = corr2d_multi_in_out(X, K)
assert float(torch.abs(Y1 - Y2).sum()) < 1e-6
1
2
3

4 - 小结

• 多输入多输出通道可以用来扩展卷积层的模型
• 当以每像素为基础应用时，1 * 1卷积层相当于全连接层
• 1 * 1卷积层通常用于调整网络层的通道数量和控制模型复杂性