コンボリューション層

Tweet

入力が3チャンネル、出力が1チャンネルの場合

まずはテストに使用したコードを以下に記す。

 # coding:UTF-8
import numpy as np
import torch
import torch.nn as nn


def conv_test_net():

    number_net = nn.Sequential(
        nn.Conv2d(3, 1, 3, padding=1),
    )

    return number_net


if __name__ == '__main__':
    # 3チャネル 3×3の画像データを1枚作成
    virtual_img = [
            [
                [
                    [0,0,0],
                    [0,1,0],
                    [0,0,0]
                ],
                [
                    [0,0,0],
                    [1,0,0],
                    [0,0,0]
                ],
                [
                    [0,1,0],
                    [0,0,0],
                    [0,0,0]
                ],
            ]
        ]

    t = torch.tensor(virtual_img, dtype=torch.float)
    net = conv_test_net()
    conv = net[0]
    print("[weight]")
    print(conv.weight)
    print("[bias]")
    print(conv.bias)

    y = net(t)

    print(y.size())
    print(y)

前ページのコードから、10行目のコンボリューション層の入力を3チャンネルに、18行目の画像のチャンネルを3チャンネルに変更した。
後は同じである。
実行結果を以下に記す。

[weight]
Parameter containing:
tensor([[[[ 0.1244,  0.1801, -0.0381],
          [-0.1907, -0.0382, -0.0145],
          [ 0.0761,  0.0338, -0.1086]],

         [[ 0.1200, -0.0156, -0.0790],
          [ 0.0417,  0.0536,  0.1589],
          [-0.1631,  0.1661, -0.1590]],

         [[-0.1542,  0.1454, -0.1490],
          [ 0.1260,  0.1859, -0.1836],
          [ 0.1000, -0.0720,  0.0474]]]], requires_grad=True)
[bias]
Parameter containing:
tensor([0.0105], requires_grad=True)
torch.Size([1, 1, 3, 3])
tensor([[[[-0.1156,  0.0671,  0.2126],
          [-0.0993,  0.1594, -0.3344],
          [-0.0432,  0.3107,  0.1349]]]], grad_fn=<MkldnnConvolutionBackward>)

コンボリューション層は3枚のフィルター、画像は3チャンネル、出力は1チャンネルである。

出力の1行1列目の計算は上図のようになり、画像の値が1になっている色分を計算すると、

-0.1086＋0.1661＋-0.1836＋0.0105(bias)=-0.1156

つまり、入力層の数と画像チャンネル同士を掛けて、得られた結果をすべて足し合わせている。biasは最後に1回加算している。