F.conv2d pytorch卷积计算方式

F.conv2d pytorch卷积计算

Pytorch里一般小写的都是函数式的接口，相应的大写的是类式接口。

函数式的更加low-level一些，如果不需要做特别复杂的配置只需要用类式接口就够了。

可以这样理解

nn.Conved是2D卷积层，而F.conv2d是2D卷积操作。

import torch
from torch.nn import functional as F

"""手动定义卷积核(weight)和偏置"""
w = torch.rand(16, 3, 5, 5)  # 16种3通道的5乘5卷积核
b = torch.rand(16)  # 和卷积核种类数保持一致(不同通道共用一个bias)

"""定义输入样本"""
x = torch.randn(1, 3, 28, 28)  # 1张3通道的28乘28的图像

"""2D卷积得到输出"""
out = F.conv2d(x, w, b, stride=1, padding=1)  # 步长为1,外加1圈padding,即上下左右各补了1圈的0,
print(out.shape)

out = F.conv2d(x, w, b, stride=2, padding=2)  # 步长为2,外加2圈padding
print(out.shape)
out = F.conv2d(x, w)  # 步长为1,默认不padding, 不够的舍弃，所以对于28*28的图片来说，算完之后变成了24*24
print(out.shape)

在DSSINet发现又用到了空洞卷积dilated convolution

mu1 = F.conv2d(img1, window , padding=padd, dilation=dilation, groups=channel)

Dilated/Atrous convolution或者是convolution with holes从字面上就很好理解，是在标准的convolution map里注入空洞，以此来增加感受野reception field。

相比原来的正常卷积，空洞卷积多了一个超参数dilation rate,指的是kernel的间隔数量（正常的卷积是dilation rate=1)

正常图像的卷积为

空洞卷积为

现在我们再来看下卷积本身，并了解他背后的设计直觉，以下主要探讨空洞卷积在语义分割(semantic segmentation)的应用。

卷积的主要问题

1、up-sampling/pooling layer(e.g. bilinear interpolation) is deterministic(not learnable)

2、内部数据结构丢失，空间层级化信息丢失。

3、小物体信息无法重建（假设有4个pooling layer,则任何小于2^4=16 pixel的物体信息将理论上无法重建）

在这样问题的存在下，语义分割问题一直处于瓶颈期无法再明显提高精度，而dilated convolution 的设计就良好的避免了这些问题。

对于dilated convolution,我们已经可以发现他的优点，即内部数据结构的保留和避免使用down_sampling这样的特性。但是完全基于dilated convolution的结构如何设计则是一个新的问题。

pytorch中空洞卷积分为两类，一类是正常图像的卷积，另一类是池化时候。

空洞卷积的目的是为了在扩大感受野的同时，不降低图片分辨率和不引入额外参数及计算量（一般在CNN中扩大感受野都需要使用S》1的conv或者pooling,导致分辨率降低，不利于segmentation,如果使用大卷积核，确实可以达到增大感受野，但是会引入额外的参数及计算量）。

F.Conv2d和nn.Conv2d

import torch
import torch.nn.functional as F
# 小括号里面有几个[]就代表是几维数据
input = torch.tensor([[1,2,0,3,1],
                     [0,1,2,3,1],
                     [1,2,1,0,0],
                     [5,2,3,1,1],
                     [2,1,0,1,1]])

kernel = torch.tensor([[1,2,1],
                      [0,1,0],
                      [2,1,0]])

input = torch.reshape(input,(1,1,5,5))
kernel = torch.reshape(kernel,(1,1,3,3))

# stride代表的是步长的意思，即每次卷积核向左或者向下移动多少步进行相乘
#  因为conv2d的input和weight对应的tensor是[batch,channel,h,w],所以上述才将它们进行reshape
output = F.conv2d(input,kernel,stride=1)
print(output)

output = F.conv2d(input,kernel,stride=2)
print(output)

# padding代表的是向上下左右填充的行列数，里面数字填写0
output3 = F.conv2d(input,kernel,stride=1,padding=1)
print(output3)

import torch
import torchvision
from torch.utils.data import DataLoader
from torch import nn
from torch.nn import Conv2d
from torch.utils.tensorboard import SummaryWriter

dataset = torchvision.datasets.CIFAR10('./torchvision_dataset', train=False, download=False,
                                      transform=torchvision.transforms.ToTensor())

# 准备好数据集就放在dataloader中进行加载
dataloader = DataLoader(dataset, batch_size=64)

# 开始定义一个卷积类
class Zkl(nn.Module):
   def __init__(self):
       super(Zkl, self).__init__()
       self.conv1 = Conv2d(in_channels=3, out_channels=6, kernel_size=3, stride=1, padding=0)

def forward(self,x):
       x = self.conv1(x)
       return x

writer = SummaryWriter("nn_conv2d")
zkl = Zkl()
# print(zkl)
step = 0
for data in dataloader:
   imgs,target = data
   output = zkl(imgs)
   #print(imgs.shape)
   #print(output.shape)
   writer.add_images('nn_conv2d_input',imgs,step)
   #因为输出是6个通道，tensorboard无法解析，所以需要reshape三个通道
   output = torch.reshape(output,(-1,3,30,30))
   writer.add_images('nn_conv2d_output',output,step)
   step+=1
writer.close()

来源：https://blog.csdn.net/weixin_38145317/article/details/104923015