卷积神经网络 pytorch实现（一）：卷积层

最新推荐文章于 2024-10-04 16:38:46 发布

原创

最新推荐文章于 2024-10-04 16:38:46 发布 · 2k 阅读

8 ·

CC 4.0 BY-SA版权

文章标签：

#卷积神经网络 #深度学习 #pytorch

本文详细介绍了如何使用PyTorch构建卷积神经网络（CNN）的基础层，重点在于卷积层的实现，适合深度学习初学者进阶。

import torch
import torch.nn as nn
'''二维卷积层'''
'''该函数计算二维互相关运算'''
def corr2d(X,K):
    h,w=K.shape
    #首先构造出运算过后的矩阵形状并用0填充
    Y=torch.zeros((X.shape[0]-h+1,X.shape[1]-w+1))
    for i in range(Y.shape[0]):
        for j in range(Y.shape[1]):
            Y[i,j]=(X[i:i+h,j:j+w]*K).sum()
    return Y

X = torch.tensor([[0, 1, 2], [3, 4, 5], [6, 7, 8]])
K = torch.tensor([[0, 1], [2, 3]])
print(corr2d(X, K))



#%%

'''图像中物体的边缘检测'''
#构造一个简单的图像，中间为黑，两边为白
X = torch.ones(6,8)
X[:,2:6] = 0
print(X)