卷積在pytorch中有兩種實現(xiàn)，一種是torch.nn.Conv2d()，一種是torch.nn.functional.conv2d()，這兩種方式本質(zhì)都是執(zhí)行卷積操作，對輸入的要求也是一樣的，首先需要輸入的是一個torch.autograd.Variable()的類型，大小是（batch，channel， H，W)，其中batch表示輸入的一批數(shù)據(jù)的數(shù)目，channel表示輸入的通道數(shù)。

為印臺等地區(qū)用戶提供了全套網(wǎng)頁設(shè)計制作服務(wù)，及印臺網(wǎng)站建設(shè)行業(yè)解決方案。主營業(yè)務(wù)為成都網(wǎng)站設(shè)計、網(wǎng)站制作、印臺網(wǎng)站設(shè)計，以傳統(tǒng)方式定制建設(shè)網(wǎng)站，并提供域名空間備案等一條龍服務(wù)，秉承以專業(yè)、用心的態(tài)度為用戶提供真誠的服務(wù)。我們深信只要達到每一位用戶的要求，就會得到認可，從而選擇與我們長期合作。這樣，我們也可以走得更遠！

一般一張彩色的圖片是3，灰度圖片是1，而卷積網(wǎng)絡(luò)過程中的通道數(shù)比較大，會出現(xiàn)幾十到幾百的通道數(shù)。H和W表示輸入圖片的高度和寬度，比如一個batch是32張圖片，每張圖片是3通道，高和寬分別是50和100，那么輸入的大小就是（32，3，50，100）。

如下代碼是卷積執(zhí)行soble邊緣檢測算子的實現(xiàn)：

import torch
import numpy as np
from torch import nn
from PIL import Image
from torch.autograd import Variable
import torch.nn.functional as F
 
 
def nn_conv2d(im):
  # 用nn.Conv2d定義卷積操作
  conv_op = nn.Conv2d(1, 1, 3, bias=False)
  # 定義sobel算子參數(shù)
  sobel_kernel = np.array([[-1, -1, -1], [-1, 8, -1], [-1, -1, -1]], dtype='float32')
  # 將sobel算子轉(zhuǎn)換為適配卷積操作的卷積核
  sobel_kernel = sobel_kernel.reshape((1, 1, 3, 3))
  # 給卷積操作的卷積核賦值
  conv_op.weight.data = torch.from_numpy(sobel_kernel)
  # 對圖像進行卷積操作
  edge_detect = conv_op(Variable(im))
  # 將輸出轉(zhuǎn)換為圖片格式
  edge_detect = edge_detect.squeeze().detach().numpy()
  return edge_detect
 
def functional_conv2d(im):
  sobel_kernel = np.array([[-1, -1, -1], [-1, 8, -1], [-1, -1, -1]], dtype='float32') #
  sobel_kernel = sobel_kernel.reshape((1, 1, 3, 3))
  weight = Variable(torch.from_numpy(sobel_kernel))
  edge_detect = F.conv2d(Variable(im), weight)
  edge_detect = edge_detect.squeeze().detach().numpy()
  return edge_detect
 
def main():
  # 讀入一張圖片，并轉(zhuǎn)換為灰度圖
  im = Image.open('./cat.jpg').convert('L')
  # 將圖片數(shù)據(jù)轉(zhuǎn)換為矩陣
  im = np.array(im, dtype='float32')
  # 將圖片矩陣轉(zhuǎn)換為pytorch tensor,并適配卷積輸入的要求
  im = torch.from_numpy(im.reshape((1, 1, im.shape[0], im.shape[1])))
  # 邊緣檢測操作
  # edge_detect = nn_conv2d(im)
  edge_detect = functional_conv2d(im)
  # 將array數(shù)據(jù)轉(zhuǎn)換為image
  im = Image.fromarray(edge_detect)
  # image數(shù)據(jù)轉(zhuǎn)換為灰度模式
  im = im.convert('L')
  # 保存圖片
  im.save('edge.jpg', quality=95)
 
if __name__ == "__main__":
  main()

另外有需要云服務(wù)器可以了解下創(chuàng)新互聯(lián)scvps.cn，海內(nèi)外云服務(wù)器15元起步，三天無理由+7*72小時售后在線，公司持有idc許可證，提供“云服務(wù)器、裸金屬服務(wù)器、高防服務(wù)器、香港服務(wù)器、美國服務(wù)器、虛擬主機、免備案服務(wù)器”等云主機租用服務(wù)以及企業(yè)上云的綜合解決方案，具有“安全穩(wěn)定、簡單易用、服務(wù)可用性高、性價比高”等特點與優(yōu)勢，專為企業(yè)上云打造定制，能夠滿足用戶豐富、多元化的應(yīng)用場景需求。

網(wǎng)站名稱：Pytorch實現(xiàn)sobel算子的卷積操作詳解-創(chuàng)新互聯(lián)
本文來源：http://jinyejixie.com/article4/coipoe.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供網(wǎng)站導(dǎo)航、定制網(wǎng)站、網(wǎng)站策劃、App開發(fā)、做網(wǎng)站、建站公司

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)