Pytorch 实现sobel算子的卷积 *** 作详解

概述Pytorch 实现sobel算子的卷积 *** 作详解 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 *** 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. 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

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 *** 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。

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 torchimport numpy as npfrom torch import nnfrom PIL import Imagefrom torch.autograd import Variableimport torch.nn.functional as Fdef nn_conv2d(im):  # 用nn.Conv2d定义卷积 *** 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]],dtype='float32')  # 将sobel算子转换为适配卷积 *** 作的卷积核  sobel_kernel = sobel_kernel.reshape((1,3))  # 给卷积 *** 作的卷积核赋值  conv_op.weight.data = torch.from_numpy(sobel_kernel)  # 对图像进行卷积 *** 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_detectdef functional_conv2d(im):  sobel_kernel = np.array([[-1,dtype='float32') #  sobel_kernel = sobel_kernel.reshape((1,3))  weight = Variable(torch.from_numpy(sobel_kernel))  edge_detect = F.conv2d(Variable(im),weight)  edge_detect = edge_detect.squeeze().detach().numpy()  return edge_detectdef 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,im.shape[0],im.shape[1])))  # 边缘检测 *** 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()

原图片：cat.jpg

结果图片：edge.jpg

以上这篇Pytorch 实现sobel算子的卷积 *** 作详解就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持我们。

总结

以上是内存溢出为你收集整理的Pytorch 实现sobel算子的卷积 *** 作详解全部内容，希望文章能够帮你解决Pytorch 实现sobel算子的卷积 *** 作详解所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。