学习pytorch8 土堆说卷积操作-Toy模板网

这篇具有很好参考价值的文章主要介绍了学习pytorch8 土堆说卷积操作。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

B站小土堆视频学习笔记

官网

https://pytorch.org/docs/stable/nn.html#convolution-layers

常用torch.nn, nn是对nn.functional的封装，使函数更易用。
学习pytorch8 土堆说卷积操作,学习pytorch,python,pytorch,卷积神经网络

卷积核从输入图像左上角，先向右遍历行，stride为1 挪一个格位置，向右遍历完，向下一格，再从左向右遍历。
卷积核和输入图像对应位置相乘后结果想加，得到右边的输出结果。
stride
学习pytorch8 土堆说卷积操作,学习pytorch,python,pytorch,卷积神经网络

padding
学习pytorch8 土堆说卷积操作,学习pytorch,python,pytorch,卷积神经网络

debug torch版本只有nn 没有nn.functional

 conda activate pytorch
 conda install pytorch-cpu torchvision-cpu -c pytorch

在当前环境安装pytorch-cpu后，functional函数就可以调用啦

https://www.saoniuhuo.com/question/detail-2646442.html文章来源地址https://www.toymoban.com/news/detail-686798.html

代码

import torch
from torch.nn import 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)
output1 = F.conv2d(input, kernel, stride=1)
print(output1)

output2 = F.conv2d(input, kernel, stride=2)
print(output2)
# 默认padding=0
output3 = F.conv2d(input, kernel, stride=1, padding=1)
print(output3)

执行结果

p14_conv.py
torch.Size([1, 1, 5, 5])
torch.Size([1, 1, 3, 3])
tensor([[[[10, 12, 12],
          [18, 16, 16],
          [13,  9,  3]]]])
tensor([[[[10, 12],
          [13,  3]]]])
tensor([[[[ 1,  3,  4, 10,  8],
          [ 5, 10, 12, 12,  6],
          [ 7, 18, 16, 16,  8],
          [11, 13,  9,  3,  4],
          [14, 13,  9,  7,  4]]]])

Process finished with exit code 0

到了这里，关于学习pytorch8 土堆说卷积操作的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！