《动手学深度学习》-19卷积层

沐神版《动手学深度学习》学习笔记，记录学习过程，详细的内容请大家购买书籍查阅。

b站视频链接
开源教程链接

卷积

使用一个12M像素的相机采集图片，因为是RGB图片所以有36M元素。
使用MLP来做分类会遇到的问题：

参数太大，GPU连参数都存不下：

引入卷积：

在图片里找模式的原则，启发了卷积的设计：

将全连接层重新变换一下，做成一个二维的输入输出。

按照MLP的思想要为每一个卷积核大小的像素区域分配一个卷积核，而添加平移不变性和局部性，使得卷积核可以进行移动（模式/识别器不变），同时降低了参数量。


总结
卷积是一个特殊的全连接层：

卷积层

卷积计算，卷积核2*2：

二维卷积层，输出Y：$(n_k-k_h+1)\ast (n_w-k_w+1)$，少了$k-1$：

不同卷积核带来的效果，不同的任务决定最后卷积核的样子：

虽然说是卷积层，实现时其实是交叉相关：

一维卷积与三维卷积：

卷积核的大小控制了局部性，是超参数：

动手学

互相关运算

import torch
from torch import nn
from d2l import torch as d2l

def corr2d(X, K):  #@save
    """计算二维互相关运算"""
    h, w = K.shape
    Y = torch.zeros((X.shape[0] - h + 1, X.shape[1] - w + 1))
    for i in range(Y.shape[0]):
        for j in range(Y.shape[1]):
            Y[i, j] = (X[i:i + h, j:j + w] * K).sum()
    return Y

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)

tensor([[19., 25.],
        [37., 43.]])

实现二维卷积层

class Conv2D(nn.Module):
    def __init__(self, kernel_size):
        super().__init__()
        self.weight = nn.Parameter(torch.rand(kernel_size)) # 0-1
        self.bias = nn.Parameter(torch.zeros(1))

    def forward(self, x):
        return corr2d(x, self.weight) + self.bias

图像中目标的边缘检测

X = torch.ones((6, 8)) # 图像
X[:, 2:6] = 0
X

tensor([[1., 1., 0., 0., 0., 0., 1., 1.],
        [1., 1., 0., 0., 0., 0., 1., 1.],
        [1., 1., 0., 0., 0., 0., 1., 1.],
        [1., 1., 0., 0., 0., 0., 1., 1.],
        [1., 1., 0., 0., 0., 0., 1., 1.],
        [1., 1., 0., 0., 0., 0., 1., 1.]])

K = torch.tensor([[1.0, -1.0]]) # 卷积核
K

tensor([[ 1., -1.]])

Y = corr2d(X, K)
Y

tensor([[ 0.,  1.,  0.,  0.,  0., -1.,  0.],
        [ 0.,  1.,  0.,  0.,  0., -1.,  0.],
        [ 0.,  1.,  0.,  0.,  0., -1.,  0.],
        [ 0.,  1.,  0.,  0.,  0., -1.,  0.],
        [ 0.,  1.,  0.,  0.,  0., -1.,  0.],
        [ 0.,  1.,  0.,  0.,  0., -1.,  0.]])

corr2d(X.t(), K) # 无法做垂直检测

tensor([[0., 0., 0., 0., 0.],
        [0., 0., 0., 0., 0.],
        [0., 0., 0., 0., 0.],
        [0., 0., 0., 0., 0.],
        [0., 0., 0., 0., 0.],
        [0., 0., 0., 0., 0.],
        [0., 0., 0., 0., 0.],
        [0., 0., 0., 0., 0.]])

学习卷积核

# 构造一个二维卷积层，它具有1个输出通道和形状为（1，2）的卷积核
conv2d = nn.Conv2d(1,1, kernel_size=(1, 2), bias=False)

# 这个二维卷积层使用四维输入和输出格式（批量大小、通道、高度、宽度），
# 其中批量大小和通道数都为1
X = X.reshape((1, 1, 6, 8))
Y = Y.reshape((1, 1, 6, 7))
lr = 3e-2  # 学习率

for i in range(10):
    Y_hat = conv2d(X)
    l = (Y_hat - Y) ** 2
    conv2d.zero_grad()
    l.sum().backward()
    # 迭代卷积核
    conv2d.weight.data[:] -= lr * conv2d.weight.grad
    if (i + 1) % 2 == 0:
        print(f'epoch {
      
      i+1}, loss {
      
      l.sum():.3f}')

epoch 2, loss 2.274
epoch 4, loss 0.508
epoch 6, loss 0.137
epoch 8, loss 0.044
epoch 10, loss 0.016

conv2d.weight.data.reshape((1, 2))

tensor([[ 0.9806, -1.0056]])