關(guān)于nn.Conv2d()參數(shù)的使用

nn.Conv2d()的使用、形參與隱藏的權(quán)重參數(shù)

二維卷積應(yīng)該是最常用的卷積方式了，在Pytorch的nn模塊中，封裝了nn.Conv2d()類作為二維卷積的實現(xiàn)。

使用方法和普通的類一樣，先實例化再使用。

下面是一個只有一層二維卷積的神經(jīng)網(wǎng)絡(luò)，作為nn.Conv2d（）方法的使用簡介：

class Net(nn.Module):
    def __init__(self):
        nn.Module.__init__(self)
        self.conv2d = nn.Conv2d(in_channels=3,out_channels=64,kernel_size=4,stride=2,padding=1)
    def forward(self, x):
        print(x.requires_grad)
        x = self.conv2d(x)
        return x
print(net.conv2d.weight)
print(net.conv2d.bias)

它的形參由Pytorch手冊可以查得，前三個參數(shù)是必須手動提供的，后面的有默認(rèn)值。

接下來將一一介紹

在Pytorch的nn模塊中，它是不需要你手動定義網(wǎng)絡(luò)層的權(quán)重和偏置的，這也是體現(xiàn)Pytorch使用簡便的地方。

當(dāng)然，如果有小伙伴適應(yīng)不了這種不定義權(quán)重和偏置的方法，Pytorch還提供了nn.Functional函數(shù)式編程的方法，其中的F.conv2d()就和Tensorflow一樣，要先定義好卷積核的權(quán)重和偏置，作為F.conv2d（）的形參之一。

回到nn.Conv2d上來，我們可以通過實例名.weight和實例名.bias來查看卷積層的權(quán)重和偏置，如上圖所示。

• in_channels

這個很好理解，就是輸入的四維張量[N, C, H, W]中的C了，即輸入張量的channels數(shù)。

這個形參是確定權(quán)重等可學(xué)習(xí)參數(shù)的shape所必需的。

• out_channels

也很好理解，即期望的四維輸出張量的channels數(shù)，不再多說。

• kernel_size

卷積核的大小，一般我們會使用5x5、3x3這種左右兩個數(shù)相同的卷積核，因此這種情況只需要寫kernel_size = 5這樣的就行了。

如果左右兩個數(shù)不同，比如3x5的卷積核，那么寫作kernel_size = (3, 5)，注意需要寫一個tuple，而不能寫一個列表（list）。

• stride = 1

卷積核在圖像窗口上每次平移的間隔，即所謂的步長。這個概念和Tensorflow等其他框架沒什么區(qū)別，不再多言。

• padding = 0

Pytorch與Tensorflow在卷積層實現(xiàn)上最大的差別就在于padding上。

Padding即所謂的圖像填充，后面的int型常數(shù)代表填充的多少（行數(shù)、列數(shù)），默認(rèn)為0。需要注意的是這里的填充包括圖像的上下左右，以padding = 1為例，若原始圖像大小為32x32，那么padding后的圖像大小就變成了34x34，而不是33x33。

Pytorch不同于Tensorflow的地方在于，Tensorflow提供的是padding的模式，比如same、valid，且不同模式對應(yīng)了不同的輸出圖像尺寸計算公式。而Pytorch則需要手動輸入padding的數(shù)量，當(dāng)然，Pytorch這種實現(xiàn)好處就在于輸出圖像尺寸計算公式是唯一的，即

當(dāng)然，上面的公式過于復(fù)雜難以記憶。大多數(shù)情況下的kernel_size、padding左右兩數(shù)均相同，且不采用空洞卷積（dilation默認(rèn)為1），因此只需要記 O = （I - K + 2P）/ S +1這種在深度學(xué)習(xí)課程里學(xué)過的公式就好了。

• dilation = 1

這個參數(shù)決定了是否采用空洞卷積，默認(rèn)為1（不采用）。從中文上來講，這個參數(shù)的意義從卷積核上的一個參數(shù)到另一個參數(shù)需要走過的距離，那當(dāng)然默認(rèn)是1了，畢竟不可能兩個不同的參數(shù)占同一個地方吧（為0）。

• groups = 1

決定了是否采用分組卷積，現(xiàn)在用的比較多的是groups = in_channel。當(dāng)groups = in_channel時，是在做的depth-wise conv的，具體思想可以參考MobileNet那篇論文。

• bias = True

即是否要添加偏置參數(shù)作為可學(xué)習(xí)參數(shù)的一個，默認(rèn)為True。

• padding_mode = ‘zeros’

即padding的模式，默認(rèn)采用零填充。

對nn.Conv2d的group參數(shù)的理解

nn.Conv2d的group參數(shù)

卷積，想必沖浪在一線的大家伙們都已經(jīng)耳熟能詳了，自從深度學(xué)習(xí)火爆全網(wǎng)之后，大家都在學(xué)習(xí)一線知識，那么今天想來講講關(guān)于Pytorch這個深度學(xué)習(xí)框架下的nn.Conv2d的group這個參數(shù)。

group這個參數(shù)是為分組卷積而創(chuàng)造出來的，分組卷積的好處呢？就是減少參數(shù)量，還能夠得到更多的feature map。

這篇文章具體是想探討一下分組卷積和普通的卷積之后的結(jié)果是否相同呢?

首先先來說一下答案：當(dāng)參與卷積的卷積核是一樣的時候，結(jié)果是一樣，否則則是不一樣的。

誒誒誒，先別著急噴，這里我想表達的意思，您可能還不夠理解，請接著往下看吧。

關(guān)于group這個參數(shù)，官網(wǎng)給的解釋是這樣子的。

大意是什么呢？大概是當(dāng)groups=1的時候，假設(shè)此時 輸入的通道數(shù)為n，輸出的通道數(shù)為m，那么理解為把輸入的通道分成1組(不分組)，每一個輸出通道需要在所有的輸入通道上做卷積，也就是一種參數(shù)共享的局部全連接。

如果把groups改成2，可以理解為把 輸入的通道分成兩組，此時每一個輸出通道只需要在其中一組上做卷積。

如果groups=in_channels，也就是把 輸入的通道分成in_channels組(每一組也就一個通道)，此時每一個輸出通道只需要在其中一個輸入通道上做卷積。

不太理解吧？

假如group=2的話，就是把輸入通道一分為二，比如我現(xiàn)在的輸入格式為 2 ∗ 3 ∗ 3 2*3*3 2∗3∗3的話，現(xiàn)在就是將輸入改為 1 ∗ 3 ∗ 3 1*3*3 1∗3∗3，同樣的我對應(yīng)的卷積核也會變?yōu)樵瓉硗ǖ赖囊话搿?/p>

那分組卷積和普通卷積的結(jié)果還會不會相同呢？

看下面的代碼吧。

import torch
import torch.nn as nn
from torch.autograd import Variable
x=torch.FloatTensor([[1,2,3],[4,5,6],[7,8,9],
                     [1,2,3],[4,5,6],[7,8,9]]).view(1,2,3,3)
//輸入X是通道數(shù)為2的3*3矩陣。
x = Variable(x)
conv1 = nn.Conv2d(in_channels=2,
                 out_channels=2,
                 kernel_size=3,
                 stride=1,
                 padding=0,
                 groups=1,
                 bias=False) //conv1普通卷積
conv2 = nn.Conv2d(in_channels=2,
                 out_channels=2,
                 kernel_size=3,
                 stride=1,
                 padding=0,
                 groups=2,
                 bias=False) //conv2是分組卷積
print(conv1.weight.data.size())
print(conv2.weight.data.size())
conv1.weight.data = torch.FloatTensor([[[[1,2,3],[4,5,6],[7,8,9]],
                                                [[9,8,7],[6,5,4],[3,2,1]]],
                                                [[[1,2,3],[4,5,6],[7,8,9]],
                                                [[9,8,7],[6,5,4],[3,2,1]]]])
conv2.weight.data = torch.FloatTensor([[[[1,2,3],[4,5,6],[7,8,9]]],
                                               [[[9,8,7],[6,5,4],[3,2,1]]]] )
print(conv1.weight.data)
print(conv2.weight.data)
output=conv1(x)
print(output)
output=conv2(x)
print(output)

結(jié)果是：

可以從前兩行，在conv的配置相同的情況下，選擇分組卷積的話，他們的卷積核的大小就已經(jīng)不一樣了。

一個是torch.Size([2, 2, 3, 3])

分組卷積的則是torch.Size([2, 1, 3, 3])

可以明顯的看到分組卷積的通道更少，從這里就能直觀的看出，分組卷積它是沿著通道數(shù)分割成n份。

可以看到卷積核就已經(jīng)發(fā)生了明顯的變化，所以最終卷積的結(jié)果肯定是不同的，所以在用同一個卷積核的情況下，普通卷積的結(jié)果肯定是和分組卷積的結(jié)果是不同的。（因為分組卷積的卷積核只是普通卷積的卷積核的一部分。）

（所以一般情況是不同的，并且對應(yīng)的情況一般是，這分成的n個組卷積之后的結(jié)果 的 對應(yīng)點相加，才等于普通卷積卷積出的結(jié)果。）

總結(jié)

以上為個人經(jīng)驗，希望能給大家一個參考，也希望大家多多支持腳本之家。

最新評論