【动手学深度学习PyTorch版】12 卷积层

 上一篇移步【动手学深度学习PyTorch版】11 使用GPU_水w的博客-CSDN博客

目录

一、卷积层

1.1从全连接到卷积

◼ 回顾单隐藏层MLP

◼ Waldo在哪里？

◼ 原则1-平移不变性

◼ 原则2-局部性

 ◼ 总结

1.2 卷积层

◼ 二维交叉相关

◼ 二维卷积层

◼ 交叉相关和卷积

◼ 一维和三维交叉相关

◼ 总结

二、代码实现图像卷积

◼ 互相关运算

◼ 二维卷积层

---

一、卷积层

1.1从全连接到卷积

◼ 回顾单隐藏层MLP

假设我们用手机拍了1200万像素----12M像素的图片，而且是RGB图片，那么就是3600万像素----36M像素。

假设我用一个单隐藏层的MLP来训练，隐藏层的大小为100的话，那么这个模型有3.6亿个元素，远远多于世界上所有的猫和狗的总数。那么模型还不如直接记住世界上所有的猫和狗的总数呢。

这对于网络来说，是一个问题。

隐藏层的大小100，那么权重就是100x3600万个，把这么多参数存下来的话，需要14GB。那么我如果用单隐藏层就会需要14GB的内存，这还没设计到做运算。

◼ Waldo在哪里？

找的话，有两个原则：

• 平移不变性：假设 Waldo出现在这个地方A，那么他出现在别的地方B肯定也差不多的，如果我有一个分类器去识别看 Waldo是否在地方A，那么我同样的分类器也可以用在另外一个地方B。
• 局部性：我要找 Waldo是否在地方A，那么我只要关注局部区域的信息就可以了，不需要看太远的地方。

那么，我们怎么样从全连接层出发，利用这两个原则，得到卷积？

我们之前单隐藏层的MLP来训练时，虽然一个图片是一个矩阵，但是是将输入做成一个一位的向量了。

现在我们还是还原成一个矩阵，因为我们要考虑空间的一些信息，所以我们还是将输入和输出变形成矩阵（宽度，高度）。

那么我们对应的可以将权重W变形成为一个四维的张量。之前是一个输入长度到输出长度的变化，现在是一个输入的宽度和高度到输出的宽度和高度的变化。

接下来，对W重新做一个的索引，把W的元素重新排列一下作用到v上面。使得

现在，我们看一下还有什么问题？

◼ 原则1-平移不变性

hij是通过x算出来的，那么假设x的位置发生变化的话，比如x平移，对应Vij会导致 hij 的平移，整个hij也会发生变化。但是V不应该依赖于(i,j)，即i和j变化不应该会引起V发生变化。

给出的解决方案是：，使得i和j变化不会引起V发生变化

 所以直接得到了这个式子，我们一般叫做二维卷积，这是个误会，严格意义上来说，它是二维的交叉相关。

i和j这个输入，也就是我输出里面的像素，是等于以我输入的i和j对应像素为中心， 不断做offset，加一点减一点，往边上挪的时候，和模式Va,b做内积。

所以现在我们可以认为，二维卷积就是全连接或者矩阵乘法，但是权重使得它的一些东西是重复的，即不是每一个元素都可以自由变换。

我们需要知道，当我把一个模型的取值范围做了限制的时候，我就相当于吧这个模型的复杂度降低了，也就意味着我不需要存储那么多元素了。

◼ 原则2-局部性

假设我要计算hi,j这个输出的话，

这个式子中，对于Xi+a,j+b来说，a和b是变量。

但是实际上来说，我们不应该去看那么远的地方，i和j的结果只应该由输入附近的那些点就可以了。

我们可以做一些限制，解决方案就是：我在i和j那个点，离我当超过代尔塔的时候，就使得Va,b=0，不看V。

那就是说，我要做下面这个式子求和的时候，只需要计算i对于a从负达尔塔到达尔塔，j对于b从负达尔塔到达尔塔的局部性的变换。

 

 ◼ 总结

卷积是一个特殊的全连接层，是weight shared全连接。

写成一个二维的输入和输出，对权重重新进行索引，

• Vi,ja,b丢掉了前面的两个维数，压成了两个维度的Va,b；
• a和b限制成了从负达尔塔到达尔塔之间的值；

① 当在图片中形成一个识别器后，在一定像素大小的范围内，它都有自己的权重，当这个识别器在图片上换位置之后，它的权重应该不变。

② 理解成用同一张卷积核遍历整张图片。卷积核不会随着位置变化而变化。

③ 权重就是特征提取器，不应该随位置而发生变化。

④ 简而言之卷积核就是个框，在图片上不断扫描，无论扫在图上的哪个位置，卷积核都是不变的。

⑤ 对于一张图片应该有多个卷积核，但是每个卷积核要识别的东西不同，一个卷积核就是一个分类器。

⑥ 卷积确实是weight shared，但不是全联接，每个神经元是对应卷积核大小个输入。

⑦ 卷积就是weight shared全连接。

1.2 卷积层

◼ 二维交叉相关

假设输入是一个 3x3 的矩阵，卷积核W（我们一般叫做Kernel）是一个2x2，其实就是说达尔塔等于1，那么输出就是：

当计算完19，计算25的时候，输出往右移了一位，那么输入也会往右移一位，那么对应的窗口就会发生变化，但核是不变的，满足平移不变性。而且输出只使用了2x2的窗口，满足局部性原则。

也就是说，一个核窗口，不断的在输入上往左移右移，上移下，来扫描几遍，得到我们的输出，这就是我们的二维交叉相关。

◼ 二维卷积层

输出会变小，是因为在窗口移动的过程中，输入不足的时候，就会在输出的时候会丢掉一些东西。

我们可以从这个例子看出，不同的卷积核的值可以带来不同的效果，

比如说第一个：中间的8是一个比较大的值，边上的-1是一个比较小的值，会得到边缘检测的效果，把边缘值高亮出来。

我们可以认为是说，我的是神经网络可以去学习不同的核，来得到我想要的输出。

◼ 交叉相关和卷积

交叉相关和卷积其实没有太多区别，唯一的区别就是卷积的式子中有个负号。但是由于对称性，所以在实际的使用当中没有区别。

就相当于是说，如果二维交叉相关的W学出来是一个东西的话，那么二维卷积的W由于负号学出来的应该是一个反着的东西，反一下，就可以和二维交叉相关得到同样的效果。

◼ 一维和三维交叉相关

一维，三维交叉相关和二维交叉相关其实本质上是一样的。

◼ 总结

核卷积矩阵的大小控制局部性。

二、代码实现图像卷积

◼ 互相关运算

# 互相关运算
import torch
from torch import nn
from d2l import torch as d2l
 
def corr2d(X, K):   # X 为输入，K为核矩阵
    """计算二维互相关信息"""
    h, w = K.shape  # 核矩阵的行数和列数
    Y = torch.zeros((X.shape[0] - h + 1, X.shape[1] - w + 1))  # X.shape[0]为输入高 ， X.shape[1]为输入宽   
    for i in range(Y.shape[0]):  # 遍历所有的Yij做计算
        for j in range(Y.shape[1]):
            Y[i, j] = (X[i:i + h, j:j + w] * K).sum()  # 图片的小方块区域[i:i + h, j:j + w]，与卷积核做点积
    return Y
 
# 验证上述二维互相关运算的输出
X = torch.tensor([[0.0,1.0,2.0],[3.0,4.0,5.0],[6.0,7.0,8.0]])
K = torch.tensor([[0.0,1.0],[2.0,3.0]])
corr2d(X,K)

验证上述二维互相关运算的输出，

与图中的结果一一对应。

◼ 二维卷积层

# 实现二维卷积层
class Conv2D(nn.Module):
    def __init__(self, kernel_size):
        self.weight = nn.Parameter(torch.rand(kernel_size))  # 取随机值
        self.bias = nn.Parameter(torch.zeros(1))  # 随机变量
        
    def forward(Self, x):
        return corr2d(x, self.weight) + self.bias  # 用X和weight做互相关运算，再加上bias

（1）卷积层的一个简单应用：检测图片中不同颜色的边缘。

给定一个6x8的输入，把中间四列设置为0，用0 与 1 之间进行过渡，表示边缘。

要想把边缘检测出来，我们做一个1x2的核K，输出的Y中的1代表从白色到黑色的边缘，-1代表从黑色到白色的边缘。

当然，卷积核K只能检测到垂直的边缘。

比如说，我们把X.t() 为X的转置，而K卷积核只能检测垂直边缘。所以结果全部为0。

# 卷积层的一个简单应用：检测图片中不同颜色的边缘
X = torch.ones((6,8))
X[:,2:6] = 0  # 把中间四列设置为0
print(X)  # 0 与 1 之间进行过渡，表示边缘
 
# 做一个1x2的核
K = torch.tensor([[1.0,-1.0]])  # 如果左右原值相等，那么这两原值乘1和-1相加为0，则不是边缘
Y = corr2d(X, K)
print(Y)
print(corr2d(X.t(), K)) # X.t() 为X的转置，而K卷积核只能检测垂直边缘

（2）那么接下来，给定我们的输入X和输出Y，我们去学习卷积核K。

给定一个6x8的输入，把中间四列设置为0，用0 与 1 之间进行过渡，表示边缘。

我们想把边缘检测出来，并且给定的输出Y中的1代表从白色到黑色的边缘，-1代表从黑色到白色的边缘。

我们应该怎么去学习这个1x2的卷积核K？

"""学习由X生成Y的卷积核"""
 
# 单个矩阵，输入通道为1，黑白图片通道为1，彩色图片通道为3。所以这里输入通道为1，输出通道为1.
# 去学习1x2的卷积核K   
# 不需要bais
conv2d = nn.Conv2d(1, 1, kernel_size=(1,2), bias=False) 
# 给X添加2个维度，通道维：通道数，RGB图3通道，灰度图1通道；批量维就是样本维，就是样本数
X = X.reshape((1,1,6,8)) 
Y = Y.reshape((1,1,6,7))
 
for i in range(10):
    Y_hat = conv2d(X)
    l = (Y_hat - Y) ** 2    # 使用均方误差作为loss
    conv2d.zero_grad()
    l.sum().backward()
    conv2d.weight.data[:] -= 3e-2 * conv2d.weight.grad  # 梯度下降，3e-2是学习率
    if(i+1) % 2 == 0:    # 每2个batch就打印loss
        print(f'batch {i+1},loss {l.sum():.3f}')
 
 
# 所学的卷积核的权重张量
print(conv2d.weight.data.reshape((1,2)))

可以看到，学习出来的这个1x2的卷积核K的值，基本上就和我们之前手动构造出来的[1,-1]差别不大。

这就是我们最简单的卷积层的定义，输入和输出通道都为1，没有做任何的填充和步幅。