Torch 卷积网络 Tips

两元钱买个大西瓜

已于 2022-11-05 23:32:06 修改

阅读量224

点赞数

CC 4.0 BY-SA版权

文章标签：网络深度学习人工智能

于 2022-10-05 20:32:32 首次发布

本文链接：https://blog.youkuaiyun.com/qq_42696330/article/details/127176507

本文详细介绍了PyTorch中的几种基本操作：卷积输出维度的计算方法、张量重塑torch.reshape的使用、torch中conv2d的padding应用实例及torch.resize的功能说明。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1 卷积输出维度计算方法

卷积核输出维度计算_csdn_1HAO的博客-优快云博客_卷积核输出计算

2 torch.reshape用法

import torch
a=torch.tensor([[[1,2,3],[4,5,6]],
                [[7,8,9],[10,11,12]]])
print("a的shape:",a.shape)
b=torch.reshape(a,((4,3,1)))
print("b:",b)
print("b的shape:",b.shape)

a的shape: torch.Size([2, 2, 3])
b: tensor([[[ 1],
         [ 2],
         [ 3]],

        [[ 4],
         [ 5],
         [ 6]],

        [[ 7],
         [ 8],
         [ 9]],

        [[10],
         [11],
         [12]]])
b的shape: torch.Size([4, 3, 1])

torch.reshape用法_江南汪的博客-优快云博客_torch.reshape

3 torch 中conv2d 的padding用法

参考

https://www.jianshu.com/p/a6da4ad8e8e7

# 定义一个1*1卷积，设置填充模式为'zeros'，在高和宽维度上两边各填充1个单位
In [53]: conv_zeros = torch.nn.Conv2d(1,1,1,1,padding=1,padding_mode='zeros',bias=False)

# 查看定义的卷积
In [54]: conv_zeros
Out[54]: Conv2d(1, 1, kernel_size=(1, 1), stride=(1, 1), padding=(1, 1), bias=False)

# 将卷积核的权重设置为1，这样可使卷积后的输出即为填充后的输入矩阵
In [55]: conv_zeros.weight = torch.nn.Parameter(torch.ones(1,1,1,1))

# 查看卷积核权重
In [56]: conv_zeros.weight
Out[56]:
Parameter containing:
tensor([[[[1.]]]], requires_grad=True)

# 进行卷积计算，并输出结果
In [57]: conv_zeros(x)
Out[57]:
tensor([[[[ 0.,  0.,  0.,  0.,  0.,  0.],
          [ 0.,  1.,  2.,  3.,  4.,  0.],
          [ 0.,  5.,  6.,  7.,  8.,  0.],
          [ 0.,  9., 10., 11., 12.,  0.],
          [ 0., 13., 14., 15., 16.,  0.],
          [ 0.,  0.,  0.,  0.,  0.,  0.]]]], grad_fn=<ThnnConv2DBackward>)

4 torch.resize(dim1,dim2)

不能改变数据量多少，但

torch.resize_(dim1,dim2)

可以直接强制修改到指定维度