脚本之家 服务器常用软件
快捷导航
您的位置：首页 → 脚本专栏 → python → Pytorch 2d卷积

Pytorch实现各种2d卷积示例

 更新时间：2019年12月30日 15:03:13   作者：Learn2Learn  
今天小编就为大家分享一篇Pytorch实现各种2d卷积示例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

普通卷积

使用nn.Conv2d()，一般还会接上BN和ReLu

参数量NNCin*Cout+Cout(如果有bias，相对来说表示对参数量影响很小，所以后面不考虑)

class ConvBNReLU(nn.Module):

 def __init__(self, C_in, C_out, kernel_size, stride, padding, affine=True):
  super(ConvBNReLU, self).__init__()
  self.op = nn.Sequential(
   nn.Conv2d(C_in, C_out, kernel_size, stride=stride, padding=padding, bias=False),
   nn.BatchNorm2d(C_out, eps=1e-3, affine=affine),
   nn.ReLU(inplace=False)
  )

 def forward(self, x):
  return self.op(x)

深度可分离卷积depthwise separable convolution

卷积操作可以分为NN 的Depthwise卷积（不改变通道数）和11的Pointwise卷积（改变为输出通道数），同样后接BN，ReLU。参数量明显减少

参数量：

NNCin+Cin11*Cout

class SepConv(nn.Module):
 
 def __init__(self, C_in, C_out, kernel_size, stride, padding, affine=True):
  super(SepConv, self).__init__()
  self.op = nn.Sequential(
   nn.ReLU(inplace=False),
   nn.Conv2d(C_in, C_in, kernel_size=kernel_size, stride=stride, padding=padding, groups=C_in, bias=False),
   nn.Conv2d(C_in, C_out, kernel_size=1, padding=0, bias=False),
   nn.BatchNorm2d(C_out, eps=1e-3, affine=affine)
   )
 def forward(self, x):
  return self.op(x)

空洞卷积dilated convolution

空洞卷积（dilated convolution）是针对图像语义分割问题中下采样会降低图像分辨率、丢失信息而提出的一种卷积思路。利用添加空洞扩大感受野。

参数量不变，但感受野增大（可结合深度可分离卷积实现）

class DilConv(nn.Module):
  
 def __init__(self, C_in, C_out, kernel_size, stride, padding, dilation, affine=True):
  super(DilConv, self).__init__()
  self.op = nn.Sequential(
   nn.ReLU(inplace=False),
   nn.Conv2d(C_in, C_in, kernel_size=kernel_size, stride=stride, padding=padding, dilation=dilation, groups=C_in, bias=False),
   nn.Conv2d(C_in, C_out, kernel_size=1, padding=0, bias=False),
   nn.BatchNorm2d(C_out, eps=1e-3, affine=affine),
   )

 def forward(self, x):
  return self.op(x)

Identity

这个其实不算卷积操作，但是在实现跨层传递捷径

class Identity(nn.Module):

 def __init__(self):
  super(Identity, self).__init__()

 def forward(self, x):
  return x

以上这篇Pytorch实现各种2d卷积示例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持脚本之家。

您可能感兴趣的文章:

相关文章

  • Python的条件语句与运算符优先级详解

    Python的条件语句与运算符优先级详解

    这篇文章主要介绍了Python的条件语句与运算符优先级,是Python入门学习中的基础知识,需要的朋友可以参考下
    2015-10-10
  • numpy系列之数组重塑的实现

    numpy系列之数组重塑的实现

    本文主要介绍了numpy数组重塑。所谓数组重塑就是更改数组的形状，文中通过示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
    2021-09-09
  • Jupyter Notebook的使用详解

    Jupyter Notebook的使用详解

    JupyterNotebook是一个强大的工具,可以用于数据科学和机器学习等领域的各种任务,该文章介绍了JupyterNotebook的基本使用方法,包括新建和保存Notebook,插入图像,运行代码,以及许多快捷键的使用
    2025-01-01
  • Python的线程之线程同步

    Python的线程之线程同步

    这篇文章主要为大家介绍了Python线程同步，具有一定的参考价值，感兴趣的小伙伴们可以参考一下，希望能够给你带来帮助
    2021-12-12
  • Python如何声明以管理员方式运行(附实战案例)

    Python如何声明以管理员方式运行(附实战案例)

    由于Windows的安全机制,Python写的脚本缺少了管理员权限,运行就会受到一些限制,这篇文章主要介绍了Python如何声明以管理员方式运行的相关资料,文中通过代码介绍的非常详细,需要的朋友可以参考下
    2025-04-04
  • python DataFrame转dict字典过程详解

    python DataFrame转dict字典过程详解

    这篇文章主要介绍了python DataFrame转dict字典过程详解,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
    2019-12-12
  • python如何查找所有子串位置

    python如何查找所有子串位置

    这篇文章主要介绍了python如何查找所有子串位置问题，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教
    2023-01-01
  • python实现DEM数据的阴影生成的方法

    python实现DEM数据的阴影生成的方法

    这篇文章主要介绍了python实现DEM数据的阴影生成的方法，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
    2019-07-07
  • python3检查字典传入函数键是否齐全的实例

    python3检查字典传入函数键是否齐全的实例

    这篇文章主要介绍了python3检查字典传入函数键是否齐全的实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
    2020-06-06
  • python使用递归的方式建立二叉树

    python使用递归的方式建立二叉树

    这篇文章主要介绍了python使用递归的方式建立二叉树，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
    2019-07-07

最新评论