这段换成一个输入通道、数值全1的4×4图。out_channels=2准备两套参数:第一套2×2核全是1、偏置0;第二套全是2、偏置1。 各自扫描同一张图。
两个输出通道 · 看见两张不同的图
PyTorch先读代码注释,再运行;下方显示这次实际计算的结果。
查看错误详情
输入时自动提示 · Ctrl + Space 查看补全 · Ctrl / ⌘ + Enter 运行
点击运行,查看结果
文字输出
还没有运行。先读代码注释,再点击运行。
看下方两张图:第一张每格4,第二张每格9。 因为四个1乘第一套核后得4;乘第二套核后得8,再加偏置1,得到9。
把x = torch.ones((1, 1, 4, 4))末尾加上* 2,再运行:两张图变成8和17,参数仍是10个。 这次变的是输入。
完整输出形状:(1, 2, 3, 3),即1个样本、2张3×3图。每套4个权重、1个偏置,两套共10个;参数是给定的,没有训练。
彩色图通常有RGB三个输入通道。此时每套输出规则要汇总三个通道的贡献,最后只加一次自己的偏置。
本章小结
MLP连接全部输入;卷积层连接局部,并共享权重。 多一个输出通道,会多一套核;多一个空间位置,会多一次计算,不会多一套参数。
下一章池化层,看它怎样汇总邻近信息,输出更小的特征图。