【动手学习pytorch笔记】9.卷积神经网络基础（卷积层，填充和步长，多输入输出通道，池化层）

关注

原创最新推荐文章于 2026-01-24 08:48:43 发布 3k 阅读 AI 写同款· GEO 优化 ›

卷积网络（conv）中步长、填充、卷积核大小与输入输出大小的关系目录 1、stride =1 1）没有padding ：o = (i - k) + 1 2）有padding 半填充：输入输出一样大 o = i(卷积核是基数) 全填充 :o = i + (k - 1) 2、stride ≠1: o = [( i + 2p-k) / s] + 1 1）没有padding 2）有padding 3、统一的公式：o = [( i + 2p- k) / s] + 1 在设计深度学习网络的时候，需要计算输入尺寸和输出尺寸，那么就要设计卷积层的的各种参数... 阅读详情

卷积层

二维互相关运算

import torch
from torch import nn
from d2l import torch as d2l

def corr2d(X, K):
    """计算二维互相关运算"""
    h, w = K.shape
    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

测试一下

X = torch.tensor([[0.0,1.0,2.0],
                  [3.0,4.0,5.0],
                  [6.0,7.0,8.0]])
K = torch.tensor([[0.0,1.0],
                  [2.0,3.0]])
corr2d(X, K)

输出

tensor([[19., 25.],
        [37., 43.]])

卷积类

class Conv2D(nn.Module):
    def __init__(self, kernel_size):
        super().__init__()
        self.weight = nn.Parameter(torch.rand(kernel_size))
        self.bias = nn.Parameter(torch.zeros(1))
    
    def forward(self, x):
        return corr2d(x, self.weight) + self.bias

把中间的变成0，看起来像图片边界

X = torch.ones((6, 8))
X[:, 2:6] = 0
X

tensor([[1., 1., 0., 0., 0., 0., 1., 1.],
        [1., 1., 0., 0., 0., 0., 1., 1.],
        [1., 1., 0., 0., 0., 0., 1., 1.],
        [1., 1., 0., 0., 0., 0., 1., 1.],
        [1., 1., 0., 0., 0., 0., 1., 1.],
        [1., 1., 0., 0., 0., 0., 1., 1.]])

一个1*2的卷积核

K = torch.tensor([[1.0, -1.0]])

输出结果

Y = corr2d(X, K)
Y

输出

tensor([[ 0.,  1.,  0.,  0.,  0., -1.,  0.],
        [ 0.,  1.,  0.,  0.,  0., -1.,  0.],
        [ 0.,  1.,  0.,  0.,  0., -1.,  0.],
        [ 0.,  1.,  0.,  0.,  0., -1.,  0.],
        [ 0.,  1.,  0.,  0.,  0., -1.,  0.],
        [ 0.,  1.,  0.,  0.,  0., -1.,  0.]])

把X转置一下再试试

corr2d(X.t(), K)

输出

tensor([[0., 0., 0., 0., 0.],
        [0., 0., 0., 0., 0.],
        [0., 0., 0., 0., 0.],
        [0., 0., 0., 0., 0.],
        [0., 0., 0., 0., 0.],
        [0., 0., 0., 0., 0.],
        [0., 0., 0., 0., 0.],
        [0., 0., 0., 0., 0.]])

可见这个卷积核智能判定垂直边界

手动写一个卷积过程

conv2d = nn.Conv2d(1, 1, kernel_size=(1, 2), bias= False)

X = X.reshape((1, 1, 6, 8))
Y = Y.reshape((1, 1, 6, 7))

for i in range(10):
    Y_hat = conv2d(X)
    l = (Y_hat - Y ) ** 2
    conv2d.zero_grad()
    l.sum().backward()
    conv2d.weight.data[:] -= 3e-2 * conv2d.weight.grad
    if(i + 1) % 2 == 0:
        print(f'batch{i + 1}, loss {l.sum():.3f}')

nn.Conv2d（输入通道数，输出通道数，卷积核大小，偏移量）

X.reshape成一个四维变量（通道数，批量大小数，6, 8）

Y也一样

迭代10次学习卷积核参数

conv2d.weight.grad梯度

batch2, loss 5.869
batch4, loss 1.119
batch6, loss 0.243
batch8, loss 0.063
batch10, loss 0.020

看看学习到的参数

conv2d.weight.data.reshape((1, 2))

输出

tensor([[ 0.9751, -1.0009]])

可以看到10代之后和标准的[1.0, -1.0]很接近了

填充和步长

无步长

输出大小 = 输入 - 卷积核 + 填充 + 1

有步长

输出大小 = (输入 - 卷积核 + 填充 - 步长)/步长

import torch
from torch import nn

def comp_conv2d(conv2d, X):
    X = X.reshape((1, 1) + X.shape)
    Y = conv2d(X)
    
    return Y.reshape(Y.shape[2:])

conv2d = nn.Conv2d(1, 1, kernel_size = 3, padding = 1)
X = torch .rand(size = (8, 8))
comp_conv2d(conv2d, X).shape

X.reshape((1, 1) + X.shape)是加上通道数和小批次数[1 , 1]

Y.shape[2:]再把前两个维度通道数和小批次数[1 , 1]去掉

输出

torch.Size([8, 8])

8 - 3 + 2 + 1 = 8

例1

conv2d = nn.Conv2d(1, 1, kernel_size=(5, 3), padding=(2, 1))
comp_conv2d(conv2d, X).shape

输出

torch.Size([8, 8])

8 - 5 + 4 + 1 = 8

8 - 3 + 2 + 1 = 8

例2

conv2d = nn.Conv2d(1, 1, kernel_size=3, padding=1, stride = 2)
comp_conv2d(conv2d, X).shape

输出

torch.Size([4, 4])

(8 - 3 + 2 + 2) / 2 = 4.5 向下取整

例3

conv2d = nn.Conv2d(1, 1, kernel_size=(3, 4), padding=(0, 1), stride=(3, 4))
comp_conv2d(conv2d, X).shape

输出

torch.Size([2, 2])

(8 - 3 + 3) / 3向下取整 = 2

(8 - 4 + 2 + 4) / 4向下取整 = 2

多输入输出通道

多输入

在这里插入图片描述

import torch
from d2l import torch as d2l

def corr2d_multi_in(X, K):
    return sum(d2l.corr2d(x, k) for x, k in zip(X, K))

X = torch.tensor([[[0.0, 1.0, 2.0],
                   [3.0, 4.0, 5.0],
                   [6.0, 7.0, 8.0]],
                  
                  [[1.0, 2.0, 3.0],
                   [4.0, 5.0, 6.0],
                   [7.0, 8.0, 9.0]]])

K = torch.tensor([[[0.0, 1.0],
                   [2.0, 3.0]],
                  
                  [[1.0, 2.0],
                   [3.0, 4.0]]])

corr2d_multi_in(X, K)

X(2 * 3 * 3)

K(2 * 2 * 2)

tensor([[ 56.,  72.],
        [104., 120.]])

多输出

在这里插入图片描述

有Co组卷积核，Co个通道输出

def corr2d_multi_in_out(X, K):
    # 迭代“K”的第0个维度，每次都对输入“X”执行互相关运算。
    # 最后将所有结果都叠加在一起
    return torch.stack([corr2d_multi_in(X, k) for k in K], 0)

K = torch.stack((K, K+1, K+2), 0)
K.shape

torch.Size([3, 2, 2, 2])

tensor([[[[0., 1.],
          [2., 3.]],

         [[1., 2.],
          [3., 4.]]],


        [[[1., 2.],
          [3., 4.]],

         [[2., 3.],
          [4., 5.]]],
   

        [[[2., 3.],
          [4., 5.]],

         [[3., 4.],
          [5., 6.]]]])

corr2d_multi_in_out(X, K)

tensor([[[ 56.,  72.],
         [104., 120.]],

        [[ 76., 100.],
         [148., 172.]],

        [[ 96., 128.],
         [192., 224.]]])

1 * 1 卷积层

def corr2d_multi_in_out_1x1(X, K):
    c_i, h, w = X.shape
    c_o = K.shape[0]
    X = X.reshape((c_i, h * w))
    K = K.reshape((c_o, c_i))
    # 全连接层中的矩阵乘法
    Y = torch.matmul(K, X)
    return Y.reshape((c_o, h, w))

X = torch.normal(0, 1, (3, 3, 3))
K = torch.normal(0, 1, (2, 3, 1, 1))

Y1 = corr2d_multi_in_out_1x1(X, K)
Y2 = corr2d_multi_in_out(X, K)
assert float(torch.abs(Y1 - Y2).sum()) < 1e-6

相当于全连接层

池化层

缓解卷积层对位置的敏感性，同样有窗口大小，填充，步长，但不用学习参数，且对每个通道单独作用，输入通道是几输出就是几。

import torch
from torch import nn
from d2l import torch as d2l

def pool2d(X, pool_size, mode='max'):
    p_h, p_w = pool_size
    Y = torch.zeros((X.shape[0] - p_h + 1, X.shape[1] - p_w + 1))
    for i in range(Y.shape[0]):
        for j in range(Y.shape[1]):
            if mode == 'max':
                Y[i, j] = X[i: i + p_h, j: j + p_w].max()
            elif mode == 'avg':
                Y[i, j] = X[i: i + p_h, j: j + p_w].mean()
    return Y

和卷积层的互相关运算差不多

X = torch.tensor([[0.0, 1.0, 2.0], [3.0, 4.0, 5.0], [6.0, 7.0, 8.0]])
pool2d(X, (2, 2))

输出

tensor([[4., 5.],
        [7., 8.]])

pool2d(X, (2, 2), 'avg')

输出

tensor([[2., 3.],
        [5., 6.]])

填充和步幅

X = torch.arange(16, dtype=torch.float32).reshape((1, 1, 4, 4))
X

看看X

tensor([[[[ 0.,  1.,  2.,  3.],
          [ 4.,  5.,  6.,  7.],
          [ 8.,  9., 10., 11.],
          [12., 13., 14., 15.]]]])

pool2d = nn.MaxPool2d(3)
pool2d(X)

默认情况下，深度学习框架中的步幅与汇聚窗口的大小相同。因此，如果我们使用形状为(3, 3)的汇聚窗口，那么默认情况下，我们得到的步幅形状为(3, 3)。

pool2d = nn.MaxPool2d(3, padding=1, stride=2)
pool2d(X)

也可手动调整

tensor([[[[ 5.,  7.],
          [13., 15.]]]])

pool2d = nn.MaxPool2d((2, 3), stride=(2, 3), padding=(0, 1))
pool2d(X)

tensor([[[[ 5.,  7.],
          [13., 15.]]]])

多通道输入

X = torch.cat((X, X + 1), 1)
X

这里用cat不是stack是因为stack会新增加一个轴在新轴上拼接，但上面 X 已经 reshape((1, 1, 4, 4))所以用cat在现有的通道数所在轴进行拼接

tensor([[[[ 0.,  1.,  2.,  3.],
          [ 4.,  5.,  6.,  7.],
          [ 8.,  9., 10., 11.],
          [12., 13., 14., 15.]],

         [[ 1.,  2.,  3.,  4.],
          [ 5.,  6.,  7.,  8.],
          [ 9., 10., 11., 12.],
          [13., 14., 15., 16.]]]])

pool2d = nn.MaxPool2d(3, padding=1, stride=2)
pool2d(X)

输出

tensor([[[[ 5.,  7.],
          [13., 15.]],

         [[ 6.,  8.],
          [14., 16.]]]])

可以看到通道数输入的时候是2，输出的时候还是2

收录于

pytorch学习笔记

标签

#pytorch #深度学习 #卷积神经网络 #cnn

使用PyTorch搭建CNN神经网络 使用pytorch搭建CNN神经网络卷积运算的基本原理单层卷积运算valid convolutionsame convolutionCNN的基本结构数据输入层卷积层池化层全连接层数据导入的实现构建基础的CNN网络网络的设计损失函数和优化器训练函数和测试函数实现CNN网络的训练和测试Googlenet的实现网络框架Resnet的实现网络框架卷积运算的基本原理单层卷积运算 valid convolution 所谓卷积运算就是一个卷积核[也称为过滤器]对指定大小的矩阵进行卷积的过程，具体运算方式如下图所示：阅读详情

【动手学习pytorch笔记】9.卷积神经网络基础（卷积层，填充和步长，多输入输出通道，池化层）

卷积层

二维互相关运算

卷积类

手动写一个卷积过程

填充和步长

多输入输出通道

多输入

多输出

1 * 1 卷积层

池化层

填充和步幅

多通道输入

相关推荐