PyTorch 普通卷积和空洞卷积实例

1. import numpy as np
2. from torchvision.transforms import Compose, ToTensor
3. from torch import nn
4. import torch.nn.init as init
5. def transform():
6. return Compose([
7. ToTensor(),
8. # Normalize((12,12,12),std = (1,1,1)),
9. ])
10.  
11. arr = range(1,26)
12. arr = np.reshape(arr,[5,5])
13. arr = np.expand_dims(arr,2)
14. arr = arr.astype(np.float32)
15. # arr = arr.repeat(3,2)
16. print(arr.shape)
17. arr = transform()(arr)
18. arr = arr.unsqueeze(0)
19. print(arr)
20.  
21. conv1 = nn.Conv2d(1, 1, 3, stride=1, bias=False, dilation=1) # 普通卷积
22. conv2 = nn.Conv2d(1, 1, 3, stride=1, bias=False, dilation=2) # dilation就是空洞率，即间隔
23. init.constant_(conv1.weight, 1)
24. init.constant_(conv2.weight, 1)
25. out1 = conv1(arr)
26. out2 = conv2(arr)
27. print('standare conv:\n', out1.detach().numpy())
28. print('dilated conv:\n', out2.detach().numpy())

输出：

1. (5, 5, 1)
2. tensor([[[[ 1., 2., 3., 4., 5.],
3. [ 6., 7., 8., 9., 10.],
4. [11., 12., 13., 14., 15.],
5. [16., 17., 18., 19., 20.],
6. [21., 22., 23., 24., 25.]]]])
7. standare conv:
8. [[[[ 63. 72. 81.]
9. [108. 117. 126.]
10. [153. 162. 171.]]]]
11. dilated conv:
12. [[[[117.]]]]

以上这篇PyTorch 普通卷积和空洞卷积实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我们。