pytorch中的卷积和池化计算方式详解


Posted in Python onJanuary 03, 2020

TensorFlow里面的padding只有两个选项也就是valid和same

pytorch里面的padding么有这两个选项,它是数字0,1,2,3等等,默认是0

所以输出的h和w的计算方式也是稍微有一点点不同的:tf中的输出大小是和原来的大小成倍数关系,不能任意的输出大小;而nn输出大小可以通过padding进行改变

nn里面的卷积操作或者是池化操作的H和W部分都是一样的计算公式:H和W的计算

pytorch中的卷积和池化计算方式详解

class torch.nn.MaxPool2d(kernel_size, stride=None, padding=0, dilation=1, return_indices=False, ceil_mode=False):
"""
Parameters: 
  kernel_size ? the size of the window to take a max over
  stride ? the stride of the window. 默认值是kernel_size
  padding ? implicit zero padding to be added on both side,默认值是0
  dilation ? a parameter that controls the stride of elements in the window,默认值是1
  return_indices ? if True, will return the max indices along with the outputs. Useful when Unpooling later
  ceil_mode ? when True, will use ceil instead of floor to compute the output shape,向上取整和向下取整,默认是向下取整
"""

不一样的地方在于:第一点,步长stride默认值,上面默认和设定的kernel_size一样,下面默认是1;第二点,输出通道的不一样,上面的输出通道和输入通道是一样的也就是没有改变特征图的数目,下面改变特征图的数目为out_channels

class torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True):
    pass
"""
Parameters: 
  in_channels (int) ? Number of channels in the input image
  out_channels (int) ? Number of channels produced by the convolution
  kernel_size (int or tuple) ? Size of the convolving kernel
  stride (int or tuple, optional) ? Stride of the convolution. Default: 1,默认是1
  padding (int or tuple, optional) ? Zero-padding added to both sides of the input. Default: 0
  dilation (int or tuple, optional) ? Spacing between kernel elements. Default: 1
  groups (int, optional) ? Number of blocked connections from input channels to output channels. Default: 1
  bias (bool, optional) ? If True, adds a learnable bias to the output. Default: True
"""

第三点不一样是卷积有一个参数groups,将特征图分开给不同的卷积进行操作然后再整合到一起,xception就是利用这一个。

"""
At groups=1, all inputs are convolved to all outputs.
At groups=2, the operation becomes equivalent to having two conv layers side by side, each seeing half the input channels, and producing half the output channels, and both subsequently concatenated.
At groups= in_channels, each input channel is convolved with its own set of filters (of size ⌊out_channelsin_channels⌋
).
"""

pytorch AvgPool2d函数

class torch.nn.AvgPool2d(kernel_size, stride=None, padding=0, 
             ceil_mode=False, count_include_pad=True):
  pass
"""
kernel_size: the size of the window
stride: the stride of the window. Default value is :attr:`kernel_size`
padding: implicit zero padding to be added on both sides
ceil_mode: when True, will use `ceil` instead of `floor` to compute the output shape
count_include_pad: when True, will include the zero-padding in the averaging calculation
"""

shape的计算公式,在(h,w)位置处的输出值的计算。

pytorch中的卷积和池化计算方式详解

pytorch中的F.avg_pool1d()平均池化操作作用于一维,input 的维度是三维比如[2,2,7]。F.avg_pool1d()中核size是3,步长是2表示每三个数取平均,每隔两个数取一次.比如[1,3,3,4,5,6,7]安照3个数取均值,两步取一次,那么结果就是[ 2.3333 ,4 ,6 ],也就是核是一维的,也只作用于一个维度。按照池化操作计算公式input size为[2,2,7],kernel size为3,步长为2,则输出维度计算(7-3)/2+1=3所以输出维度是[2,2,3],这与输出结果是一致的。

pytorch中的F.avg_pool2d(),input 是维度是4维如[2,2,4,4],表示这里批量数是2也就是两张图像,这里通道数量是2,图像是size 是4*4的.核size是(2,2),步长是(2,2)表示被核覆盖的数取平均,横向纵向的步长都是2.那么核是二维的,所以取均值时也是覆盖二维取的。输出中第一个1.5的计算是:(1+2+1+2)/4=1.5.表示第一张图像左上角的四个像素点的均值。按照池化操作计算公式input size为[2,2,4,4],kernel size为2*2,步长为2,则输出维度计算(4-2)/2+1=2所以输出维度是[2,2,2,2],这与输出结果是一致的。

Conv3d函数

class torch.nn.Conv3d(in_channels, out_channels, kernel_size, stride=1,
           padding=0, dilation=1, groups=1, bias=True):
  pass
"""
in_channels (int): Number of channels in the input image
out_channels (int): Number of channels produced by the convolution
kernel_size (int or tuple): Size of the convolving kernel
stride (int or tuple, optional): Stride of the convolution. Default: 1
padding (int or tuple, optional): Zero-padding added to all three sides of the input. Default: 0
dilation (int or tuple, optional): Spacing between kernel elements. Default: 1
groups (int, optional): Number of blocked connections from input channels to output channels. Default: 1
bias (bool, optional): If ``True``, adds a learnable bias to the output. Default: ``True``
Shape:
    - Input: :math:`(N, C_{in}, D_{in}, H_{in}, W_{in})`
    - Output: :math:`(N, C_{out}, D_{out}, H_{out}, W_{out})`
"""
  C_out = out_channels

pytorch中的卷积和池化计算方式详解

以上这篇pytorch中的卷积和池化计算方式详解就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持三水点靠木。

Python 相关文章推荐
用yum安装MySQLdb模块的步骤方法
Dec 15 Python
详解Python使用tensorflow入门指南
Feb 09 Python
Python装饰器原理与简单用法实例分析
Apr 29 Python
和孩子一起学习python之变量命名规则
May 27 Python
Django model update的多种用法介绍
Mar 28 Python
在python3中实现更新界面
Feb 21 Python
Python基于requests实现模拟上传文件
Apr 21 Python
python相对企业语言优势在哪
Jun 12 Python
Django --Xadmin 判断登录者身份实例
Jul 03 Python
anaconda3安装及jupyter环境配置全教程
Aug 24 Python
Python监听键盘和鼠标事件的示例代码
Nov 18 Python
浅谈matplotlib默认字体设置探索
Feb 03 Python
Python While循环语句实例演示及原理解析
Jan 03 #Python
在Pytorch中计算卷积方法的区别详解(conv2d的区别)
Jan 03 #Python
Python综合应用名片管理系统案例详解
Jan 03 #Python
Python tkinter常用操作代码实例
Jan 03 #Python
PyTorch中的padding(边缘填充)操作方式
Jan 03 #Python
nginx搭建基于python的web环境的实现步骤
Jan 03 #Python
Python如何使用字符打印照片
Jan 03 #Python
You might like
第十二节--类的自动加载
2006/11/16 PHP
php中3des加密代码(完全与.net中的兼容)
2012/08/02 PHP
PHP抓屏函数实现屏幕快照代码分享
2014/01/02 PHP
twig模板常用语句实例小结
2016/02/04 PHP
PHP QRCODE生成彩色二维码的方法
2016/05/19 PHP
js 有框架页面跳转(target)三种情况下的应用
2013/04/09 Javascript
showModalDialog模态对话框的使用详解以及浏览器兼容
2014/01/11 Javascript
百度判断手机终端并自动跳转js代码及使用实例
2014/06/11 Javascript
Jquery 实现弹出层插件
2015/01/28 Javascript
简单谈谈gulp-changed插件
2017/02/21 Javascript
微信小程序page的生命周期和音频播放及监听实例详解
2017/04/07 Javascript
React Native react-navigation 导航使用详解
2017/12/01 Javascript
vue.js编译时给生成的文件增加版本号
2018/09/17 Javascript
Vue插槽原理与用法详解
2019/03/05 Javascript
详解JWT token心得与使用实例
2019/08/02 Javascript
小程序Request的另类用法详解
2019/08/09 Javascript
如何使用 vue-cli 创建模板项目
2020/11/19 Vue.js
[01:20]辉夜杯背景故事宣传片《辉夜传说》
2015/12/25 DOTA
python PyTorch预训练示例
2018/02/11 Python
python实现朴素贝叶斯分类器
2018/03/28 Python
Python爬取数据保存为Json格式的代码示例
2019/04/09 Python
Python 使用PyQt5 完成选择文件或目录的对话框方法
2019/06/27 Python
python调用支付宝支付接口流程
2019/08/15 Python
深度学习入门之Pytorch 数据增强的实现
2020/02/26 Python
Python生成器传参数及返回值原理解析
2020/07/22 Python
Python可以用来做什么
2020/11/23 Python
数字漫画:comiXology
2020/06/13 全球购物
留守儿童工作方案
2014/06/02 职场文书
客户答谢会活动方案
2014/08/31 职场文书
工资收入证明
2014/10/07 职场文书
SqlServer 垂直分表(减少程序改动)
2021/04/16 SQL Server
浅谈JS和Nodejs中的事件驱动
2021/05/05 NodeJs
教你怎么用python selenium实现自动化测试
2021/05/27 Python
Vue如何清空对象
2022/03/03 Vue.js
彩虹社八名人气艺人全新周边限时推出,性转女装男装一次拥有!
2022/04/01 日漫
微信小程序调用python模型
2022/04/21 Python