PyTorch学习之torch.nn.functional.conv2d函数
PyTorch学习之torch.nn.functional.conv2d函数
一、简介
torch.nn.functional.conv2d 是 PyTorch 中用于进行二维卷积操作的函数。卷积操作是深度学习中卷积神经网络（CNN）的核心部分，用于提取图像特征，常见于图像分类、目标检测和语义分割等任务中。
二、基本语法
torch.nn.functional.conv2d(input, weight, bias=None, stride=1, padding=0, dilation=1, groups=1)
三、参数说明
input(Tensor): 输入张量，形状为(N, C_in, H, W)，其中N是批量大小，C_in是输入通道数，H是高度，W是宽度。weight(Tensor): 卷积核权重，形状为(C_out, C_in // groups, kH, kW)，其中C_out是输出通道数，kH是卷积核高度，kW是卷积核宽度。bias(Tensor, 可选): 偏置，形状为(C_out)。如果为None，则不添加偏置。stride(int 或 tuple, 可选): 卷积步长，默认值为1。padding(int 或 tuple, 可选): 输入的每一边填充的大小，默认值为0。dilation(int 或 tuple, 可选): 卷积核元素之间的间距，默认值为1。groups(int, 可选): 将输入分组，默认值为1。groups的值大于1时，相当于对输入进行组卷积。- 默认是1是因为我们一般对图像的卷积是将图像的RGB通道卷积后合并。
- 如果你卷积后不想合并通道，即卷积后仍然是彩色图像，groups应该设置为3
四、返回值
返回一个张量，形状为 (N, C_out, H_out, W_out)，表示卷积后的输出。
五、示例
示例 1: 基本卷积操作
import torch
import torch.nn.functional as F
# 创建一个形状为 (1, 1, 5, 5) 的输入张量
input = torch.tensor([[[[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]]]], dtype=torch.float32)
# 创建一个形状为 (1, 1, 3, 3) 的卷积核
weight = torch.tensor([[[[1, 0, -1],
[1, 0, -1],
[1, 0, -1]]]], dtype=torch.float32)
# 执行卷积操作
output = F.conv2d(input, weight)
print("卷积后的输出:\n", output)
输出：
卷积后的输出:
tensor([[[[-6., -6., -6.],
[-6., -6., -6.],
[-6., -6., -6.]]]])
示例 2: 添加偏置、设置步长和填充
import torch
import torch.nn.functional as F
# 创建一个形状为 (1, 1, 5, 5) 的输入张量
input = torch.tensor([[[[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]]]], dtype=torch.float32)
# 创建一个形状为 (1, 1, 3, 3) 的卷积核
weight = torch.tensor([[[[1, 0, -1],
[1, 0, -1],
[1, 0, -1]]]], dtype=torch.float32)
# 添加偏置
bias = torch.tensor([1], dtype=torch.float32)
# 设置步长和填充
stride = 2
padding = 1
# 执行卷积操作
output = F.conv2d(input, weight, bias=bias, stride=stride, padding=padding)
print("卷积后的输出:\n", output)
输出：
卷积后的输出:
tensor([[[[ -8., -3., 14.],
[-35., -5., 43.],
[-38., -3., 44.]]]])
示例3 真实图像卷积
import torch
import torch.nn.functional as F
import cv2
import numpy as np
# 读取图像，读者应该修改图片路径
input_image = cv2.imread('2015.jpg')
# 创建一个形状为 (3, 1, 3, 3) 的卷积核
conv_kernel = torch.tensor([[[[-1, 0, 1],
[-2, 0, 2],
[-1, 0, 1]]],
[[[-1, 0, 1],
[-2, 0, 2],
[-1, 0, 1]]],
[[[-1, 0, 1],
[-2, 0, 2],
[-1, 0, 1]]]], dtype=torch.float32)
print(conv_kernel.shape) # 应输出 (3, 1, 3, 3)
# 将图像转换为 tensor 并调整形状
input_tensor = torch.tensor(input_image, dtype=torch.float32)
input_tensor = torch.unsqueeze(input_tensor, 0) # 变为 (1, 高, 宽, 通道)
input_tensor = torch.permute(input_tensor, (0, 3, 1, 2)) # 变为 (1, 通道, 高, 宽)
print(input_tensor.shape) # 应输出 (1, 3, 高, 宽)
# 执行卷积操作
conv_output = F.conv2d(input_tensor, conv_kernel, groups=3)
print(conv_output.shape) # 应输出 (1, 3, 高, 宽)
# 调整输出形状并裁剪到 0-255 范围
output_image = torch.permute(conv_output, (0, 2, 3, 1)) # 变为 (1, 高, 宽, 通道)
output_image = output_image.squeeze() # 变为 (高, 宽, 通道)
output_image = torch.clamp(output_image, 0, 255) # 裁剪到 0-255 范围
cv2.imshow('Convolved Image', output_image.numpy().astype(np.uint8))
cv2.waitKey()
cv2.destroyAllWindows()