Pytorch实现sobel算子的卷积操作详解-创新互联
卷积在pytorch中有两种实现,一种是torch.nn.Conv2d(),一种是torch.nn.functional.conv2d(),这两种方式本质都是执行卷积操作,对输入的要求也是一样的,首先需要输入的是一个torch.autograd.Variable()的类型,大小是(batch,channel, H,W),其中batch表示输入的一批数据的数目,channel表示输入的通道数。
为印台等地区用户提供了全套网页设计制作服务,及印台网站建设行业解决方案。主营业务为成都网站设计、网站制作、印台网站设计,以传统方式定制建设网站,并提供域名空间备案等一条龙服务,秉承以专业、用心的态度为用户提供真诚的服务。我们深信只要达到每一位用户的要求,就会得到认可,从而选择与我们长期合作。这样,我们也可以走得更远!一般一张彩色的图片是3,灰度图片是1,而卷积网络过程中的通道数比较大,会出现几十到几百的通道数。H和W表示输入图片的高度和宽度,比如一个batch是32张图片,每张图片是3通道,高和宽分别是50和100,那么输入的大小就是(32,3,50,100)。
如下代码是卷积执行soble边缘检测算子的实现:
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定义卷积操作 conv_op = nn.Conv2d(1, 1, 3, bias=False) # 定义sobel算子参数 sobel_kernel = np.array([[-1, -1, -1], [-1, 8, -1], [-1, -1, -1]], dtype='float32') # 将sobel算子转换为适配卷积操作的卷积核 sobel_kernel = sobel_kernel.reshape((1, 1, 3, 3)) # 给卷积操作的卷积核赋值 conv_op.weight.data = torch.from_numpy(sobel_kernel) # 对图像进行卷积操作 edge_detect = conv_op(Variable(im)) # 将输出转换为图片格式 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(): # 读入一张图片,并转换为灰度图 im = Image.open('./cat.jpg').convert('L') # 将图片数据转换为矩阵 im = np.array(im, dtype='float32') # 将图片矩阵转换为pytorch tensor,并适配卷积输入的要求 im = torch.from_numpy(im.reshape((1, 1, im.shape[0], im.shape[1]))) # 边缘检测操作 # edge_detect = nn_conv2d(im) edge_detect = functional_conv2d(im) # 将array数据转换为image im = Image.fromarray(edge_detect) # image数据转换为灰度模式 im = im.convert('L') # 保存图片 im.save('edge.jpg', quality=95) if __name__ == "__main__": main()
另外有需要云服务器可以了解下创新互联scvps.cn,海内外云服务器15元起步,三天无理由+7*72小时售后在线,公司持有idc许可证,提供“云服务器、裸金属服务器、高防服务器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案,具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势,专为企业上云打造定制,能够满足用户丰富、多元化的应用场景需求。
分享名称:Pytorch实现sobel算子的卷积操作详解-创新互联
分享路径:http://scyanting.com/article/coipoe.html