卷积的理解 python代码实现 pytorch 多输入多输出通道的理解

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了卷积的理解 python代码实现 pytorch 多输入多输出通道的理解，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含1492字，纯文字阅读大概需要3分钟。

内容图文

1.多输入通道

　　当输入数据含多个通道时，我们需要构造一个输入通道数与输入数据的通道数相同的卷积核。以1维卷积为例，卷积窗口大小为1*1，输入有三个通道，所以卷积的通道数也应该为3个通道。如下图所示，输入的数据有三个通道，卷积也有三个通道，每个通道都是一个1维的卷积核且卷积核的大小为1?1, 但是这样当输入通道有多个时，我们对各个通道的结果进行了累加，所以不论输入通道数是多少，输出通道数总是1.

代码实现：

ef corr2d(X,K): 
    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    

def corr2d_mutil_in(X,K):
    h,w = K.shape[1],K.shape[2]
    value = torch.zeros(X.shape[0] - h + 1,X.shape[1] - w + 1)
    for x,k in zip(X,K):
        value = value + corr2d(x,k)
    return value 

X = torch.tensor([[[1,2,3],[4,5,6],[7,8,9]],
                  [[1,1,1],[1,1,1],[1,1,1]],
                  [[2,2,2],[2,2,2],[2,2,2]]])
K = torch.tensor([[[1]],[[2]],[[3]]])
print(K.shape)
corr2d_mutil_in(X,K) 

Output:
tensor([[ 9., 10., 11.],
        [12., 13., 14.],
        [15., 16., 17.]])

2.多输出通道

X = torch.tensor([[[1,2,3],[4,5,6],[7,8,9]],
                  [[1,1,1],[1,1,1],[1,1,1]],
                  [[2,2,2],[2,2,2],[2,2,2]]]) 

K = torch.tensor([[[[1]],[[2]],[[3]]],
                  [[[4]],[[1]],[[1]]],
                  [[[5]],[[3]],[[3]]]])
print(K.shape)

输出：
torch.Size([3, 3, 1, 1])

def corr2d_multi_in_out(X,K):
    return torch.stack([corr2d_mutil_in(X,k) for k in K])

corr2d_multi_in_out(X,K)

输出：
tensor([[[ 9., 10., 11.],
         [12., 13., 14.],
         [15., 16., 17.]],

        [[ 7., 11., 15.],
         [19., 23., 27.],
         [31., 35., 39.]],

        [[14., 19., 24.],
         [29., 34., 39.],
         [44., 49., 54.]]])

内容总结

以上是互联网集市为您收集整理的卷积的理解 python代码实现 pytorch 多输入多输出通道的理解全部内容，希望文章能够帮你解决卷积的理解 python代码实现 pytorch 多输入多输出通道的理解所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端