python - 了解 Conv2d 的输入和输出大小

Question

我正在使用 PyTorch 学习图像分类(使用 CIFAR-10 数据集)following this link .

我试图理解给定 Conv2d 代码的输入和输出参数:

import torch.nn as nn
import torch.nn.functional as F

class Net(nn.Module):
    def __init__(self):
        super(Net, self).__init__()
        self.conv1 = nn.Conv2d(3, 6, 5)
        self.pool = nn.MaxPool2d(2, 2)
        self.conv2 = nn.Conv2d(6, 16, 5)
        self.fc1 = nn.Linear(16 * 5 * 5, 120)
        self.fc2 = nn.Linear(120, 84)
        self.fc3 = nn.Linear(84, 10)

    def forward(self, x):
        x = self.pool(F.relu(self.conv1(x)))
        x = self.pool(F.relu(self.conv2(x)))
        x = x.view(-1, 16 * 5 * 5)
        x = F.relu(self.fc1(x))
        x = F.relu(self.fc2(x))
        x = self.fc3(x)
        return x

net = Net()

我对 conv2d() 的理解(如有错误/遗漏请更正):

• 因为图像有 3 个 channel ，所以第一个参数是 3。6 是没有过滤器(随机选择)
• 5 是内核大小 (5, 5)(随机选择)
• 同样我们创建下一层(上一层的输出是这一层的输入)
• 现在使用 linear 函数创建一个全连接层:self.fc1 = nn.Linear(16 * 5 * 5, 120)

16 * 5 * 5:这里的16是最后一个conv2d层的输出，但是5 * 5是什么？

这是内核大小吗？或者是其他东西？如何知道我们需要乘以 5*5 或 4*4 或 3*3......

我研究并了解到，由于图像大小是 32*32，应用 max pool(2) 2 次，所以图像大小将是 32 -> 16 -> 8，所以我们应该将它乘以 last_ouput_size * 8 * 8 但是在这个链接中它是 5*5。

谁能解释一下？

Answer 1

这些是图像尺寸本身的尺寸(即高度 x 宽度)。

未填充的卷积

除非您用零填充图像，否则卷积过滤器会将输出图像的大小在高度和宽度上缩小 filter_size - 1:

<表类="s-表"><头><日> <日> <正文>3-filter 将 5x5 图像转换为 (5-(3-1) x 5-(3-1)) 图像零填充保留图像尺寸

您可以通过设置 Conv2d(padding=...) 在 Pytorch 中添加填充。

转换链

因为它已经经历了:

<表类="s-表"><头>图层形状变换<正文>一个conv层(没有padding) (h, w) -> (h-4, w-4)一个最大矿池 -> ((h-4)//2, (w-4)//2)另一个conv层(没有填充) -> ((h-8)//2, (w-8)//2)另一个MaxPool -> ((h-8)//4, (w-8)//4)扁平化 -> ((h-8)//4 * (w-8)//4)

我们从原始图像大小 (32,32) 到 (28,28) 到 (14,14) 到(10,10) 到 (5,5) 到 (5x5)。

---

要将其可视化，您可以使用 torchsummary 包:

from torchsummary import summary

input_shape = (3,32,32)
summary(Net(), input_shape)

----------------------------------------------------------------
        Layer (type)               Output Shape         Param #
================================================================
            Conv2d-1            [-1, 6, 28, 28]             456
         MaxPool2d-2            [-1, 6, 14, 14]               0
            Conv2d-3           [-1, 16, 10, 10]           2,416
         MaxPool2d-4             [-1, 16, 5, 5]               0
            Linear-5                  [-1, 120]          48,120
            Linear-6                   [-1, 84]          10,164
            Linear-7                   [-1, 10]             850
================================================================