PyTorch中 nn.Conv2d与nn.ConvTranspose2d函数的用法

痛定思痛。 2023-10-18 14:50 46阅读 0赞

[原文链接][Link 1]

## 1. 通道数问题 ： ##

*  描述一个像素点，如果是灰度，那么只需要一个数值来描述它，就是单通道。如果有RGB三种颜色来描述它，就是三通道。最初输入的图片样本的 `channels` ，取决于图片类型；
 *  卷积操作完成后输出的 `out_channels` ，取决于卷积核的数量。此时的 `out_channels` 也会作为下一次卷积时的卷积核的 `in_channels`；
 *  卷积核中的 `in_channels` ，上面已经说了，就是上一次卷积的 `out_channels` ，如果是第一次做卷积，就是样本图片的 `channels` 。

举个例子，假设现有一个为 6×6×3的图片样本，使用 3×3×3 的卷积核（filter）进行卷积操作。此时输入图片的 `channels` 为 3，而卷积核中的 `in_channels` 与需要进行卷积操作的数据的 `channels` 一致（就是图片样本，为3）。接下来进行卷积操作，卷积核中的27个数字与分别与样本对应相乘后，再进行求和，得到第一个结果。依次进行，最终得到 4×4的结果。由于只有一个卷积核，所以最终得到的结果为 4×4×1，`out_channels` 为 1。如下图所示：

![aaf777515c244f8baff825f606285893.png][]

在实际应用中，都会使用多个卷积核。这里如果再加一个卷积核，就会得到 4×4×2的结果。如下图所示：

![db9830b20db84b9bb27ca5da8ac2dc61.png][]

## 2. nn.Conv2d ##

class torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, output_padding=0, groups=1, bias=True)

`nn.Conv2d`的功能是：对由多个输入平面组成的输入信号进行二维卷积。输入信号的形式为：

![(N,C\_\{in\},H,W)][N_C_in_H_W]

#### （1）参数说明： ####

#### **N：**表示batch size（批处理参数） ####

**C\_\{in\}**：表示channel个数

**H，W：**分别表示特征图的高和宽。

**stride(步长)：**步长，默认为1，可以设为1个int型数或者一个(int, int)型的tuple。

**kernel\_size：**卷积核的宽度和长度，单个整数或由两个整数构成的list/tuple。如为单个整数，则表示在各个空间维度的相同长度。

**padding(补0)：**控制zero-padding的数目，**padding是在卷积之前补0。**

**dilation(扩张)：**控制kernel点（卷积核点）的间距; 可以在此github地址查看:[Dilated convolution animations][]

**groups(卷积核个数)：**通常来说，卷积个数唯一，但是对某些情况，可以设置范围在1 —— in\_channels中数目的卷积核：

#### （2）图像尺寸： ####

经过一次卷积之后，生成的图的大小：

**`(original_size - (kernal_size - 1)) / stride`**

## 3. nn.ConvTranspose2d ##

nn.ConvTranspose2d的功能是进行反卷积操作

#### （1）输入格式： ####

nn.ConvTranspose2d(in_channels, out_channels, kernel_size, stride=1, padding=0, output_padding=0, groups=1, bias=True, dilation=1)

#### （2）参数的含义： ####

*  in\_channels(int) – 输入信号的通道数
 *  out\_channels(int) – 卷积产生的通道数
 *  kerner\_size(int or tuple) - 卷积核的大小
 *  stride(int or tuple,optional) - 卷积步长，即要将输入扩大的倍数。
 *  padding(int or tuple, optional) - 输入的每一条边补充0的层数，高宽都增加2\*padding
 *  output\_padding(int or tuple, optional) - 输出边补充0的层数，高宽都增加padding
 *  groups(int, optional) – 从输入通道到输出通道的阻塞连接数
 *  bias(bool, optional) - 如果bias=True，添加偏置
 *  dilation(int or tuple, optional) – 卷积核元素之间的间距

**学习更多编程知识，请关注我的公众号：**

[代码的路][Link 2]

![dd178f4b693f44aaa0099039a4538a9b.png][]

[Link 1]: https://mp.weixin.qq.com/s?__biz=Mzg2Mjc3MDAwMA==&mid=2247483731&idx=1&sn=71d04ad299e734fab1d4a74ca57bfb0f&chksm=ce03876cf9740e7aded4620847f6f164aa04165efc326149e16f4a15beea152eee2a0ef3fc00&token=1359452125&lang=zh_CN#rd
[aaf777515c244f8baff825f606285893.png]: https://img-blog.csdnimg.cn/aaf777515c244f8baff825f606285893.png
[db9830b20db84b9bb27ca5da8ac2dc61.png]: https://img-blog.csdnimg.cn/db9830b20db84b9bb27ca5da8ac2dc61.png
[N_C_in_H_W]: https://latex.csdn.net/eq?%28N%2CC_%7Bin%7D%2CH%2CW%29
[Dilated convolution animations]: https://github.com/vdumoulin/conv_arithmetic/blob/master/README.md
[Link 2]: https://mp.weixin.qq.com/s?__biz=Mzg2Mjc3MDAwMA==&mid=2247483703&idx=1&sn=cf99bc33b9f0c281b3b0ae940ff71185&chksm=ce038708f9740e1e9aa19e720596a309156c5c153feb387473e5e8cb21fbde4a4814157769e8&token=1833633778&lang=zh_CN#rd
[dd178f4b693f44aaa0099039a4538a9b.png]: https://img-blog.csdnimg.cn/dd178f4b693f44aaa0099039a4538a9b.png