Pytorch入门笔记

从这一篇博客开始，自己准备了解并且记录一些pytorch的内容。以下记录的可能不是很连贯，主要作为自己温习的笔记。

torch.NN

Conv2d

卷积操作需要先了解，具体可参考博文。

在torch中的Conv2d有一些参数可能不是很熟悉，其实都是一些已有的概念。我们这里讲解下Conv2d，nn.Conv2d是二维卷积方法，相对应的还有一维卷积方法nn.Conv1d,常用于文本数据的处理，而nn.Conv2d一般用于二维图像。参考文献【1】是官方文档，接口如下：

class torch.nn.Conv2d(in_channels,
out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1,
bias=True)

参数解释：

channels这个概念其实在各种框架中常见，意思就是通道数，一般的RGB图片，channels 数量是 3 （红、绿、蓝）；而monochrome图片，channels 数量是 1。 如果从这个图中，我们就更容易明白：一般 channels 的含义是，每个卷积层中卷积核的数量。 因此，in_channels和out_channels的意思我们就明白了。如果仍不明白，参考文献【2】说的很清楚。

kernel size: 就是卷积核的大小，可以是int或者是tuple，即可以是3，或者是(3,5)

stride: 步长

padding和padding_mode：比较简单

dilation：控制 kernel 点之间的空间距离。这个看着定义有点抽象，看下面的图就理解了

groups: 分组卷积，意思是将对应的输入通道与输出通道数进行分组, 默认值为1, 也就是说默认输出输入的所有通道各为一组。

比如输入数据大小为90x100x100x32，通道数32，要经过一个3x3x48的卷积，group默认是1，就是全连接的卷积层。

如果group是2，那么对应要将输入的32个通道分成2个16的通道，将输出的48个通道分成2个24的通道。对输出的2个24的通道，第一个24通道与输入的第一个16通道进行全卷积，第二个24通道与输入的第二个16通道进行全卷积。

极端情况下，输入输出通道数相同，比如为24，group大小也为24，那么每个输出卷积核，只与输入的对应的通道进行卷积

到这里，参数就已经介绍完毕了。

在官方文档中，还介绍了尺寸计算的方式。如果我们已经完全理解了参数的含义，下面的公式也是显而易见的：

$N$N是样本数，$C_{in}$Cin​是通道数，$H_{in}$Hin​是像素高度，$W_{in}$Win​是像素宽度。

参考文献

【1】https://pytorch.org/docs/stable/nn.html#convolution-layers
【2】从零学习PyTorch nn.Conv2d的参数用法 channel含义详解