PyTorch学习笔记之一：卷积层

小明同学爱科学

已于 2025-04-21 11:54:04 修改

阅读量1k

点赞数 30

CC 4.0 BY-SA版权

文章标签：人工智能 pytorch python

于 2025-04-11 01:55:27 首次发布

本文链接：https://blog.csdn.net/jinming021/article/details/147128828

PyTorch学习笔记之一：卷积层

一、卷积层
二、参数
三、参考

一、卷积层

卷积层（Convolution Layer）：主要用来提取数据特征。

PyTorch提供了多种卷积层，其中二维卷积层（nn.Conv2d）在计算机视觉中得到广泛的应用。

二、参数

1. 二维卷积层(nn.Conv2d)参数

参数详解

in_channels (int)：输入通道数，例如：灰度图像为1，RGB彩色图像为3；
out_channels (int)：输出通道数；
kernel_size (int or tuple)：卷积核大小。如3x3，5x5；
stride (int or tuple, optional)：步长，默认值为1；
padding (int, tuple or str, optional)：填充，默认值为0；
dilation (int or tuple, optional)：膨胀率，默认值为1；
groups (int, optional)：分组数，默认值为1；
bias (bool, optional)：偏置，默认值为True；
padding_mode (str, optional)：填充模式，默认是zero填充；

2. 举个例子

对一张32x32的彩色图片做一次卷积：

import torch
import torch.nn as nn
 
# 定义卷积层
conv = nn.Conv2d(in_channels=3, out_channels=6, kernel_size=3) # 输入通道数为3，输出通道数为6，卷积核大小为3x3
 
# 输入张量tensor (N, Cin, Hin, Win)
input = torch.rand(1, 3, 32, 32) # 输入通道数为3，图片大小为32x32

# 输出张量tensor (N, Cout, Hout, Wout)
output = conv(input)

# 打印输入和输出的形状
print("输入形状:", input.shape)
print("输出形状:", output.shape)

打印输出结果：

输入形状: torch.Size([1, 3, 32, 32])
输出形状: torch.Size([1, 6, 30, 30])

3. 代码解释

输入一个是（1，3，32，32）的张量，经过Conv2d（3，6，3）卷积后，输出变成一个（1，6，30，30）的张量。

在这里插入图片描述

ps: 注意图中，Channel数目的变化和图片形状大小(h, w)的变化。

卷积后数据维度计算方法：

input.shape = ( N = 1, C_in = 3, H_in = 32, W_in = 32 )
Conv2d(in_channels=3, out_channels=6, kernel_size=3)
output.shape = ( N = 1, C_out = 6, H_out= 30, W_out = 30 )
- C_out = 6：取自于Conv2d的out_channels=6
- H_out = 30 和 W_out = 30：通过下面计算公式得到：
  - H_out = $\left \lfloor \frac{H_{in}+2 \times padding[0]-dilation[0] \times (kernel\_size[0]-1)-1}{stride[0]} +1\right \rfloor$
  - W_out = $\left \lfloor \frac{W_{in}+2 \times padding[1]-dilation[1] \times (kernel\_size[1]-1)-1}{stride[1]} +1\right \rfloor$

刚开始，看到公式时候，头就大。静下心来，代入值，化简后，其实很简单。

以 H_out 为例：

H_out = $\left \lfloor \frac{H_{in}+2 \times padding[0]-dilation[0] \times (kernel\_size[0]-1)-1}{stride[0]} +1\right \rfloor$
其中：
padding：默认值为0；
dilation：默认值为1；
stride：默认值为1；

化简后，

H_out = $\left \lfloor \frac{H_{in} - kernel\_size[0]}{1} + 1\right \rfloor$ = $\left \lfloor \frac{32 - 3}{1} + 1\right \rfloor$ = $\left \lfloor 32 - 3 + 1 \right \rfloor$ = 30

同样，化简 W_out 后：

W_out = $\left \lfloor \frac{W_{in} - kernel\_size[1]}{1} + 1\right \rfloor$ = $\left \lfloor \frac{32 - 3}{1} + 1\right \rfloor$ = $\left \lfloor 32 - 3 + 1 \right \rfloor$ = 30