《PyTorch深度学习实践》学习笔记：卷积神经网络（基础篇）

lizhuangabby

已于 2022-07-12 10:52:47 修改

阅读量1k

点赞数 2

分类专栏： pytorch 文章标签：深度学习 cnn pytorch

于 2022-07-12 10:51:08 首次发布

本文链接：https://blog.youkuaiyun.com/lizhuangabby/article/details/125730151

版权

文章目录

1. 全连接神经网络与卷积神经网络
2. 图像的本质
3. 卷积运算
4. 池化运算（下采样）
5. 实现简单的卷积神经网络
6. 卷积神经网络实现MINST数据集分类
7. 完整代码

1. 全连接神经网络与卷积神经网络

在这里插入图片描述
之前我们学习的网络为全连接神经网络，一层一层的全部连接，也就是前一层的每一个节点都会和后面一层的所有节点进行连接。

全连接网络在数值计算的时候，会把信息拉成一维的，这样会丧失掉图片特征中的一些空间的信息。而卷积神经网络可以很好的保留图像的空间特征。

卷积神经网络的基本工作方式：
在这里插入图片描述
输入一张图像，先进行卷积操作，然后通过Subsampling下采样减少元素数量，降低运算的需求。最终为了实现分类，输出还是一个10维的向量。中间的过程可以采样不同的方式。

总的来看，首先经过卷积层，进行特征提取，经过特征提取之后，图片信息变成了一个向量；而后将向量接入一个全连接网络进行分类处理。

卷积和下采样称为特征提取器，全连接层作为分类器。

2. 图像的本质

在这里插入图片描述
图像是一种栅格图像，每一个格子代表一个像素。

3. 卷积运算

3.1 单通道卷积运算

如图所示，选择 1 x 5 x 5 的单通道图像，3 x 3 的卷积核，进行卷积运算：
在这里插入图片描述

步骤：先在输入图像中，画出一个卷积核大小的（3x3）的窗口，而后将该窗口与卷积核做数乘+求（对应元素相乘）；然后将该窗口从左往右、从上到下做遍历，每一次都进行数乘求和运算，最终由这些数乘求和数值组成的矩阵，就是卷积后的结果。

3.2 三通道卷积运算

对于输入图像，每一个通道都会配一个卷积核，也就是输入图像的通道数等于卷积核的通道数。每个通道根据上面讲的单通道的计算方式计算，得到一个矩阵，一共可以得到三个矩阵，将这三个矩阵求和，最终得到的结果就是三通道卷积的结果。
在这里插入图片描述

可以看到，只有一个卷积核，最终输出的是一个通道的结果。怎么输出多个通道呢？

单通道输出：
在这里插入图片描述
多通道输出：

注意：输入图像的通道数和卷积核的通道数一样，而卷积核的个数和输出图像的通道数一样。
在这里插入图片描述
构建一个卷积层，权重表示：

在pytorch里面，卷积核kernel_size = 常数，代表是一个常数x常数的卷积核，而kernel_size也可以设置为一个元组，比如kernel_size=（5，3）代表卷积核的大小为长方形5x3，但是我们经常使用的卷积核还是kernel_size=3，代表3x3这样的卷积核。
在这里插入图片描述
定义一个卷积层：输入通道、输出通道、卷积核大小。

3.3 卷积层其他的权重

填充padding：例如我们输入一个5x5大小的输入图像，通过3x3的卷积核进行卷积，此时输出图像为3x3。但是此时我们想要输出图像的大小和输入图像的大小是一样大，此时我们就需要进行对输入图像进行填充，padding = 3/2 = 1，此时就需要在输入图像填充一圈使其变成7x7。假如我们使用5x5大小的卷积核进行卷积，然后要求输出图像大小等于输入图像大小，此时我们需要填充padding = 5/2 = 2，填充2圈，使得原图像变成9x9。
在这里插入图片描述
填充默认情况都是进行填充0。

代码实现：
在这里插入图片描述
B：batch_size
C: 通道数
W：图像或卷积核的宽度
H：图像或卷积核的高度
O: 输出通道数
I：输入通道数

stride：步长，就是卷积核窗口在遍历图像时，每走一步的步长。
在这里插入图片描述

从左到右、从上到下都是每次移动两步。这个可以有效地降低特征图的宽度和高度。

代码实现：

4. 池化运算（下采样）

池化运算常用的是最大池化，它是没有权重的，2x2的池化默认stride=2。做最大池化，只是在一个通道内进行，不同的通道不会最大池化。
在这里插入图片描述
所以说，做最大池化，通道的数量不会发生变化，只是2x2的最大池化，图像的大小会变为原来的一半。

代码实现：
在这里插入图片描述

5. 实现简单的卷积神经网络

在这里插入图片描述
步骤：

1.选择 5 x 5 的卷积核，输入通道为 1，输出通道为 10：此时图像矩阵经过 5 x 5 的卷积核后会小两圈，也就是4个数位，变成 24 x 24，输出通道为10；
2. 选择 2 x 2 的最大池化层：此时图像大小缩短一半，变成 12 x 12，通道数不变；
3. 再次经过 5 x 5 的卷积核，输入通道为 10，输出通道为 20：此时图像再小两圈，变成 8 *8，输出通道为20；
4. 再次经过 2 x 2 的最大池化层：此时图像大小缩短一半，变成 4 x 4，通道数不变；
5. 最后将图像整型变换成向量，输入到全连接层中：输入一共有 4 x 4 x 20 = 320 个元素，输出为 10.

5x5的卷积核就是少两圈，也就是图像大小-4。
在这里插入图片描述

这个网络模型还可以迁移到GPU上面进行训练：

此外，还将输入的数据放到同一块显卡上。

在测试里面，把测试数据也可以放到显卡上。

6. 卷积神经网络实现MINST数据集分类

6.1 数据集

# 准备数据集
batch_size = 64
transform = transforms.Compose([
    transforms.ToTensor(),
    transforms.Normalize(mean=[0.1307,],std=[0.3081,])
])
train_dataset = datasets.MNIST(root="../dataset/mnist/",train=True,transform=transform,download=True)
test_dataset = datasets.MNIST(root="../dataset/mnist/",train=False,transform=transform,download=True)

train_dataloader = DataLoader(dataset=train_dataset,batch_size=batch_size,shuffle=True)
test_dataloader = DataLoader(dataset=test_dataset,batch_size=batch_size,shuffle=True)

6.2 准备网络模型

# 网络模型
class Model(nn.Module):
    def __init__(self):
        super(Model, self).__init__

最低0.47元/天解锁文章