Torch.nn模块学习-池化

news2024/11/23 0:51:40

池化对数据起到了浓缩的效果，通过池化可以减少数据量，降低内存压力，简单地理解，池化操作都是通过池化的kernel的选取一定的区域，通过某种计算将这个区域一系列数值转化为一个数值，需要注意的是：对于池化操作来说，池化的步长一般是卷积核大小。

该库提供了多种池化的类，最大池化、平均池化、最大自适应池化等操作。下面以二维数据处理为例子，列出常用的池化操作。

在这里插入图片描述

本次项目中使用的操作:

nn.Sequential

介绍

一个序列容器，用于搭建神经网络的模块，被按照被传入构造器的顺序添加到nn.Sequential()r容器中，除此之外，一个包含神经网络模块的OrderedDict也可以被传入nn.Sequential()容器中，利用nn.Sequential()搭建好的模型架构，模型前向传播时调用 $f o r w a r d ()$ 方法，模型接受的输入首先被传入的nn.Sequential(）包含的第一个网络模块中，然后**，第一个网络模块输出传入到第二个网咯模块作为输入**。按照顺序依次计算并传播，直到nn.Sequential()里的最后一个模块输出结果。

本质作用

按照上面说法，与一层一层的单独调用的模块组成的序列相比，
$n n . S e q u e n t i a l ()$ ，可以允许将整个容器视为单个模块，（相当于把多个模块封装成一个模块）forward()方法接收输入之后，
nn.Sequential(),按照内部模块的顺序自动依次计算并输出结果。

这意味着，我们可以利用其来自定义网络层。:

nn.Conv2d

nn.Conv2d对有多个输入平面组成的输入信号进行二维卷积。
在这里插入图片描述

函数详解

torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True)
in_channels: 输入图像通道数。
out_channels：卷积产生的通道数。
kernel_size: 卷积核尺寸，可以设为1个int型数或者一个(int, int)型的元组。例如(2,3)是高2宽3卷积核
stride: 卷积步长：默认为1，可以设为1个int型数或者一个(int, int)型的元组
padding: 填充操作：控制padding_mode的数目。
padding_mode：padding模式，默认为Zero-padding
dilation：扩张操作，控制kernel点（卷积核点）的间距，默认值为1.
groups：group参数作用是控制分组卷积，默认不分组，为1组。
bias：为真，则在输出中添加一个可学习的偏差，默认为True.

参数dilation-扩张卷积

在这里插入图片描述

参数groups-分组卷积

在这里插入图片描述

nn.BatchNorm2d

paddle.nn.BatchNorm2D(num_features, momentum=0.9, epsilon=1e-05, weight_attr=None, bias_attr=None, data_format='NCHW', name=None):

目的:

加速神经网络的收敛过程，以及提高训练过程中的稳定性。

应用场景

通常用于解决多层神经网络中间层的协方差偏移问题。

行为方式

使一批（Batch) feature map满足均值为0，方差为1的分布规律。这样不仅数据分布一致，而且避免发生梯度消失。

通俗解释

类似于网咯输入中进行零均值化和方差归一化操作。不过是在中间层输入中的操作而已。
作用：卷积之后会添加BatchNorm2d进行数据的归一化处理，着使得数据在进行Relu之前，不会因为数据过大而导致网络性能不稳定。

数学原理

在这里插入图片描述

参数解释

在这里插入图片描述
在mini-batch上计算维度，的均值和标准差，gamma和beta是可学习的参数向量，gamma默认设置为1，beta默认设置为0，其中，标准差是通过有偏估计来计算的。等同于：
torch.var(input,unbiased=False)
通常默认情况下，训练过程中的BatchNorm 层会保持对其计算的均值和方差的估计，然后再测试时候，使用这个均值和方差进行标准化。Running estimates保持默认动量为0.1 。

如果参数track_running_stats被设置为False，BatchNorm层将不会进行running estimates，Batch统计的均值和方差将会使用测试数据的均值和方差来代替。

BatchNorm中的momentum参数与优化器中的momentum和传统概念中的momentum不同。

在BatchNorm中，Running statistics的更新规则是:
在这里插入图片描述

affine参数设为True表示weight和bias将被使用

nn.ReLU

$R e L U (x) = m a x (0, m a x)$
nn.ReLU()函数默认inplace 默认是False

inplace = False
输出对象地址，不会修改输入对象的值,而是返回一个新创建的对象,所以打印出对象存储地址不同,类似于C语言的值传递
inplace = True
输出对象地址，会修改输入对象的值,所以打印出对象存储地址相同,类似于C语言的地址传递
inplace = True,节省反复申请与释放内存的空间与时间,只是将原来的地址传递,效率更好。

nn.MaxPool2d

# 这个类是是许多池化类的基类，这里有必要了解一下
class _MaxPoolNd(Module):
    __constants__ = ['kernel_size', 'stride', 'padding', 'dilation',
                     'return_indices', 'ceil_mode']
    return_indices: bool
    ceil_mode: bool
	# 构造函数，这里只需要了解这个初始化函数即可。
    def __init__(self, kernel_size: _size_any_t, stride: Optional[_size_any_t] = None,
                 padding: _size_any_t = 0, dilation: _size_any_t = 1,
                 return_indices: bool = False, ceil_mode: bool = False) -> None:
        super(_MaxPoolNd, self).__init__()
        self.kernel_size = kernel_size
        self.stride = stride if (stride is not None) else kernel_size
        self.padding = padding
        self.dilation = dilation
        self.return_indices = return_indices
        self.ceil_mode = ceil_mode

    def extra_repr(self) -> str:
        return 'kernel_size={kernel_size}, stride={stride}, padding={padding}' \
            ', dilation={dilation}, ceil_mode={ceil_mode}'.format(**self.__dict__)

class MaxPool2d(_MaxPoolNd):
    kernel_size: _size_2_t
    stride: _size_2_t
    padding: _size_2_t
    dilation: _size_2_t

    def forward(self, input: Tensor) -> Tensor:
        return F.max_pool2d(input, self.kernel_size, self.stride,
                            self.padding, self.dilation, self.ceil_mode,
                            self.return_indices)

MaxPool2d 这个类的实现十分简单。

先来看一下基本参数，一共六个:

kernel_size ：表示做最大池化的窗口大小，可以是单个值，也可以是tuple元组
stride ：步长，可以是单个值，也可以是tuple元组
padding ：填充，可以是单个值，也可以是tuple元组
dilation ：控制窗口中元素步幅
return_indices ：布尔类型，返回最大值位置索引
ceil_mode ：布尔类型，为True，用向上取整的方法，计算输出形状；默认是向下取整

关于kernel_size的解释

这里的kernel_szie跟卷积核不是一个东西，kernel_size可以看作是一个滑动窗口，这个窗口的大小由自己定，如果输入的是单个值，例如3，那么窗口的大小都是 $\times 3$ 。还可以输入元组 $(3, 2)$ ,
那么窗口的大小都是 $\times 2$

最大池化的方法都是取这个窗口覆盖元素中的最大值。

关于stride的解释。

上一个参数，我们确定了滑动窗口的大小，现在我们来确定这个窗口如何进行滑动的，如果不指定这个参数，那么默认步长跟最大池化窗口一致，如果指定了参数，那么将按照我们指定的参数进行滑动。例如 $s t r i d e = (2, 3)$ 那么窗口将每次向右滑动3个窗口的位置**，或者向下滑动两个元素的位置，**。