卷积 pytorch

在PyTorch中，卷积有两种方式可以实现，一种是使用torch.nn.Conv2d()函数，另一种是使用torch.nn.functional.conv2d()函数。torch.nn.Conv2d()是一个卷积层的类，可以通过实例化该类来创建一个卷积层对象。而torch.nn.functional.conv2d()是一个函数，可以直接调用来进行卷积操作。

举例来说，如果你有一张灰度图像，你可以使用以下代码进行卷积操作：

import numpy as np
import torch
from torch import nn
from torch.autograd import Variable
import torch.nn.functional as F
from PIL import Image
import matplotlib.pyplot as plt

# 读入一张灰度图的图片
im = Image.open('./cat.png').convert('L')
# 将其转换为一个矩阵
im = np.array(im, dtype='float32')
# 可视化图片
plt.imshow(im.astype('uint8'), cmap='gray')

# 将图片转化为pytorch tensor，并适配卷积输入的要求
im = torch.from_numpy(im.reshape((1, 1, im.shape[0], im.shape[1])))

关于池化操作，PyTorch中提供了torch.nn.MaxPool2d()函数来实现最大池化操作，也可以使用torch.nn.functional.max_pool2d()函数。你可以使用以下代码来进行最大池化操作：

torch.nn.max_pool(
    input,
    kernel_size,  # 池化核大小
    stride=None,  # 步长
    padding=0,  # 补0
    dilation=1,
    return_indices=False,
    ceil_model=False
)