最大池化层

• 最大池化，也叫上采样，是池化核在输入图像上不断移动，并取对应区域中的最大值，目的是：在保留输入特征的同时，减小输入数据量，加快训练。
• 参数设置如下：
  • kernel_size：池化核的高宽（整数或元组），整数时表示高宽都为该整数，元组时表示分别在水平和垂直方向上的长度。
  • stride：池化核每次移动的步长（整数或元组），整数时表示在水平和垂直方向上使用相同的步长。元组时分别表示在水平和垂直方向上的步长。默认为池化核的高宽。
  • padding：控制在输入张量的边界周围添加的零填充的数量（为整数或元组），如果是整数，表示在水平和垂直方向上使用相同的填充数量。如果是元组，分别表示在水平和垂直方向上的填充数量。默认为0
  • dilation：卷积核内部元素之间的距离，空洞卷积，如图：
    
  • ceil_mode：True表示ceil模式，即向上取整，保留未满部分。False表示floor模式，即向下取整，舍去未满部分。默认为False，如图：
    
  • 如下是示意图：
    
• 以下是代码实现：
  • 注意：部分版本的MaxPool2d不支持int类型，所以需要指定数据类型为浮点数

import torchinput = torch.tensor([[1, 2, 0, 3, 1],[0, 1, 2, 3, 1],[1, 2, 1, 0, 0],[5, 2, 3, 1, 1],[2, 1, 0, 1, 1]], dtype=torch.float32)  # 由于部分版本的MaxPool2d不支持int类型，所以这里需要指定数据类型为float32  input = torch.reshape(input, (-1, 1, 5, 5)) # 将input从二维张量变成(N, C, H, W)的四维张量
print(input.shape)class Tudui(torch.nn.Module):def __init__(self):super().__init__()self.pool1 = torch.nn.MaxPool2d(kernel_size=3, ceil_mode=True)  # 最大池化层，池化核大小3*3，向上取整def forward(self, input):output = self.pool1(input)return outputtudui = Tudui()
output = tudui(input)
print(output)# 输出结果为
# torch.Size([1, 1, 5, 5])
# tensor([[[[2., 3.],
#           [5., 1.]]]])

• 同样可以通过tensorboard进行展示输入输出结果，代码如下：
  • 由于最大池化层不会改变channel，所以不需要对输出进行reshape()操作

import torch
import torchvision
from torch.utils.tensorboard import SummaryWritertest_dataset = torchvision.datasets.CIFAR10(root='Dataset', train=False, download=True, transform=torchvision.transforms.ToTensor())
test_loader = torch.utils.data.DataLoader(test_dataset, batch_size=4, shuffle=False, num_workers=0)class Tudui(torch.nn.Module):def __init__(self):super().__init__()self.pool1 = torch.nn.MaxPool2d(kernel_size=3, ceil_mode=True)  # 最大池化层，池化核大小3*3，向上取整def forward(self, input):output = self.pool1(input)return outputtudui = Tudui()writer = SummaryWriter("logs")  # 创建一个SummaryWriter对象，指定日志文件保存路径
step = 0
for data in test_loader:imgs, targets = data    # 获取输入数据outputs = tudui(imgs)   # 调用网络模型进行前向传播writer.add_images("input", imgs, step)  # 将输入数据imgs写入日志文件# 由于最大池化层不会改变通道数，所以不需要对outputs进行reshape()操作writer.add_images("output", outputs, step)  # 将输出数据outputs写入日志文件step += 1writer.close()

• 结果如下：
  

非线性激活层

• 主要目的是向网络中引入一些非线性特征，非线性越多，才能训练出符合复杂数据集的模型，提高模型的泛化性
• 常用的非线性激活层有：ReLU、Sigmoid，如下：

  • ReLU：当输入大于0时，输出等于输入。当输入小于0时，输出等于0。

  • 注意：输入的第一个位置要是batch_size，之后的不做限制

  • inplace：是否对输入进行结果替换，默认为False（不替换），并返回输出
    
    

  • Sigmoid：将输入经过以下公式，得到输出。

  • 注意：第一个位置也要是batch_size，之后的不做限制：
    

• ReLU激活函数代码如下：

import torch
from torch import nninput = torch.tensor([[1, -0.5],[-1, 3]])
# 由于ReLU激活函数需要第一个维度为batch_size，所以需要对输入input进行reshape操作
input = torch.reshape(input, (-1, 1, 2, 2)) class Tudui(nn.Module):def __init__(self): # 初始化super().__init__()  # 继承父类的初始化self.relu1 = nn.ReLU()  # ReLU激活函数def forward(self, input):output = self.relu1(input)  # 调用ReLU激活函数对输入input进行激活return outputtudui = Tudui()
output = tudui(input)
print(output)# 输出结果：
# tensor([[[[1., 0.],
#           [0., 3.]]]])

• Sigmoid激活函数代码如下：

import torch
import torchvision
from torch import nn
from torch.utils.tensorboard import SummaryWritertest_dataset = torchvision.datasets.CIFAR10(root='Dataset', train=False, download=True, transform=torchvision.transforms.ToTensor())
test_loader = torch.utils.data.DataLoader(test_dataset, batch_size=64, shuffle=False, num_workers=0)writer = SummaryWriter("logs")  # 创建一个SummaryWriter对象，指定日志文件保存路径
class Tudui(nn.Module):def __init__(self): # 初始化super().__init__()  # 继承父类的初始化self.sigmoid1 = nn.Sigmoid()  # Sigmoid激活函数def forward(self, input):output = self.sigmoid1(input)  # 调用Sigmoid激活函数return output
step = 0
for data in test_loader:imgs, targets = datatudui = Tudui() # 实例化网络模型writer.add_images("input", imgs, step)  # 将输入数据imgs写入日志文件outputs = tudui(imgs)   # 调用网络模型进行前向传播writer.add_images("output", outputs, step)  # 将输出数据outputs写入日志文件step += 1writer.close()  # 关闭日志文件

• 结果如下：
  

正则化层

• 用的不是很多，但是有篇论文说，采用正则化层可以加快神经网络的训练速度，参数设置如下：
  • num_features：输入中的channel数
    

循环层

• 一种特定的网络结构，在文字识别中用的比较多
  

Transform层

• Pytorch把Transform封装成网络层
  

线性层

• 其作用是将输入的数据进行线性变换，即将输入数据乘以权重矩阵，并加上偏置向量，以生成输出数据，如下图所示，从x到g的过程就是经历了一个线性层：

  • 注意：线性层需要输入数据为一维，所以对于图像数据，我们先要进行拉直操作
  • 由下图可以看出：线性层会对每个输入元素进行kx+b的操作，而如果输入数据是一维的，那么只需要定义两个数组（权重数组、偏置数组）即可，虽然会丢失一些空间信息，但是简化了模型的实现和参数的管理，所以线性层需要输入数据为一维。
    

• 以下是参数设置：

  • in_features：（可以有多位，但是最好满足是一维向量的形式，且最后一位是输入特征数，也可以只有一位，即只有输入特征数）输入特征数，即上图的x的个数d
  • out_features：输出特征数，即上图的g的个数L
  • bias：偏置，即上图的b，默认为True，即加一个偏置
    

• 代码实现如下：

  • 注意：由于我们定义的线性层的输入特征要是196608，所以我们要在test_loader中设置drop_last=True，如果我们不设置drop_last=True，最后一个batch的样本数不足64，输入特征不满足196608，就会报错
  • 可以使用reshape()对输入进行格式转换，同时由于输入可以仅仅只有输入特征数，所以flatten()也可以用来对输入进行格式转换

import torch
import torchvision
from torch import nn# input = torch.tensor([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
# print(input.shape)
# input = torch.reshape(input, (1,1,1,-1))
# print(input.shape)test_dataset = torchvision.datasets.CIFAR10(root='Dataset', train=False, download=True, transform=torchvision.transforms.ToTensor())
# 由于我们定义的线性层的输入特征要是196608，所以如果我们不设置drop_last=True，最后一个batch的样本数不足64，输入特征不满足196608，就会报错
test_loader = torch.utils.data.DataLoader(test_dataset, batch_size=64, shuffle=False, num_workers=0, drop_last=True)    # drop_last=True表示如果最后一个batch的样本数少于batch_size，则丢弃
class Tudui(nn.Module):def __init__(self):super().__init__()self.linear1 = nn.Linear(196608,3)  # 输入特征数为196608，输出特征数为3def forward(self, input):output = self.linear1(input)return outputtudui = Tudui()
for data in test_loader:imgs, targets = data# 可以使用torch.reshape()函数将输入数据imgs的shape从[64, 3, 32, 32]变为[1, 1, 1, 196608]# imgs = torch.reshape(imgs, (1,1,1,-1))  # 将输入数据imgs的shape从[64, 3, 32, 32]变为[1, 1, 1, 196608]# 也可以使用torch.flatten()函数将输入数据imgs的shape从[64, 3, 32, 32]变为[196608]imgs = torch.flatten(imgs) # 将输入数据imgs的shape从[64, 3, 32, 32]变为[196608]outputs = tudui(imgs)   # 得到输出，且输出的shape为[3]print(outputs.shape)

Dropout层

• 在训练中，以一定概率将输入中的随机元素变成0，为了防止过拟合