pytorch七：常用的神经网络层

图像相关层主要包括卷积层（Conv）、池化层（Pool）等，这些层在使用中可分为一维（1D）、二维（2D）、三维（3D），池化方式又分为平均池化（AvgPool）、最大值池化（MaxPool）、自适应池化（AdaptiveAvgPool）等。卷积层除了常用的前向卷积外，还有逆卷积。

from PIL import Image
from torchvision.transforms import ToTensor,ToPILImage
to_tensor = ToTensor()  #img->tensor
to_pil = ToPILImage()   #tensor->img
img = Image.open('templ.png')
img = img.convert('L')
img

 

#输入是一个batch,batch.size=1
input = to_tensor(lena).unsqueeze(0)

#边缘算子（二阶微分，拉普拉斯考虑对角线的算子）
kernel = t.ones(3,3)
kernel[1,1] = -8
conv = nn.Conv2d(1,1,(3,3),bias = False)
conv.weight.data = kernel.view(1,1,3,3)
out = conv(V(input))
to_pil(out.data.squeeze(0))