NJU1healer的个人博客分享 http://blog.sciencenet.cn/u/NJU1healer

博文

Pytorch中nn.Conv1d、Conv2D与BatchNorm1d、BatchNorm2d函数

已有 616 次阅读 2020-10-22 10:23 |个人分类:Pytorch|系统分类:科研笔记

此处mark一下图像处理中常见的Conv和BatchNorm操作,提供参考链接!!

(一)Conv1D和Conv2D实现

(1)pytorch之nn.Conv1d详解 (建议先看这个)

image.png

(2)进一步查看此: PyTorch中的nn.Conv1d与nn.Conv2d (Pytorch库)

                                 神经网络-Conv1D和Conv2D实现 (所用库为Keras)

image.png

image.png

实现代码和相应卷积的数据输入格式要求

import os


import torch

import torch.nn as nn

import torch.nn.functional as F

import torch.utils.data


class myCNN(torch.nn.Module):

    def __init__(self):

        super(myCNN, self).__init__()

        

        #nn.Model.__init__(self)

 

        self.conv1 = nn.Conv2d(1, 6, 5)  # 输入通道数为1,输出通道数为6

        self.conv2 = nn.Conv2d(6, 16, 5)  # 输入通道数为6,输出通道数为16

        self.fc1 = nn.Linear(5 * 5 * 16, 120)

        self.fc2 = nn.Linear(120, 84)

        self.fc3 = nn.Linear(84, 10)


    def forward(self,x):

        # 输入x -> conv1 -> relu -> 2x2窗口的最大池化

        x = self.conv1(x)

        x = F.relu(x)

        x = F.max_pool2d(x, 2)

        print(x.size())

        # 输入x -> conv2 -> relu -> 2x2窗口的最大池化

        x = self.conv2(x)

        x = F.relu(x)

        x = F.max_pool2d(x, 2)

        print(x.size())

        # view函数将张量x变形成一维向量形式,总特征数不变,为全连接层做准备

        x = x.view(x.size()[0], -1)

        print(x.size())

        x = F.relu(self.fc1(x))

        print(x.size())

        x = F.relu(self.fc2(x))

        x = self.fc3(x)

        return x


if __name__ == "__main__":   

    cnnmy = myCNN()

    input = torch.randn((1,1,32, 32)) 

    out = cnnmy.forward(input)

总结:

       特别注意--#Pytorch处理图片(二维卷积)的输入维度应为四维【batch,channel,height,width】;向量(一维卷积)要求是【batch,channel,时序长度】!!!

image.png

                                                图源:参考:PyTorch的Tensor(张量)


(二)BatchNorm1d、BatchNorm2d

pytorch中BatchNorm1d、BatchNorm2d、BatchNorm3d

pytorch中批量归一化BatchNorm1d和BatchNorm2d函数

点滴分享,福泽你我!Add oil!



http://wap.sciencenet.cn/blog-3428464-1255308.html

上一篇:轻松理解局部连接和权值共享
下一篇:Matlab中计算函数运行时间的三种方法及判断新建文件夹

0

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2020-12-5 10:25

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部