1. Convolution Layers

由于图像是二维的，因此基本上最常用到的就是二维的卷积类：torch.nn.Conv2d，官方文档：torch.nn.Conv2d。

Conv2d 的主要参数有以下几个：

• in_channels：输入图像的通道数，彩色图像一般都是三通道。
• out_channels：通过卷积后产生的输出图像的通道数。
• kernel_size：可以是一个数或一个元组，表示卷积核的大小，卷积核的参数是从数据的分布中采样得到的，这些数是多少无所谓，因为在神经网络训练的过程中就是对这些参数进行不断地调整。
• stride：步长。
• padding：填充。
• padding_mode：填充模式，有 zeros、reflect、replicate、circular，默认为 zeros。
• dilation：可以是一个数或一个元组，表示卷积核各个元素间的距离。
• group：一般设置为1，基本用不到。
• bias：偏置，一般设置为 True。

例如以下代码构建了一个只有一层卷积层的神经网络，该卷积层的输入和输出通道数都为三通道，卷积核大小为3*3，步长为1，无填充，然后用 CIFAR10 测试数据集进行测试：

from torchvision import transforms, datasets
from torch.utils.data import DataLoader
from torch.utils.tensorboard import SummaryWriter
import torch.nn as nntest_set = datasets.CIFAR10('dataset/CIFAR10', train=False, transform=transforms.ToTensor())data_loader = DataLoader(test_set, batch_size=64)class Network(nn.Module):def __init__(self):super(Network, self).__init__()self.conv1 = nn.Conv2d(in_channels=3, out_channels=3, kernel_size=3, stride=1, padding=0)def forward(self, input):output = self.conv1(input)return outputnetwork = Network()
print(network)  # Network((conv1): Conv2d(3, 6, kernel_size=(3, 3), stride=(1, 1)))writer = SummaryWriter('logs')for step, data in enumerate(data_loader):imgs, targets = dataoutput = network(imgs)writer.add_images('input', imgs, step)writer.add_images('output', output, step)writer.close()

测试结果如下：

可以看到卷积运算能够提取输入图像的不同特征，第一层卷积层可能只能提取一些低级的特征如边缘、线条和角等层级，更多层的网络能从低级特征中迭代提取更复杂的特征。

2. Pooling Layers

Pooling Layers 相关函数介绍的官方文档：Pooling Layers。

其中的 MaxPool 表示最大池化，也称上采样；MaxUnpool 表示最小池化，也称下采样；AvgPool 表示平均池化。其中最常用的为 MaxPool2d，官方文档：torch.nn.MaxPool2d。

最大池化的步骤如下图所示：

MaxPool2d 的主要参数有以下几个：

• kernel_size：用来取最大值的窗口（池化核）大小，和之前的卷积核类似。
• stride：步长，注意默认值为 kernel_size。
• padding：填充，和 Conv2d 一样。
• dilation：池化核中各个元素间的距离，和 Conv2d 一样。
• return_indices：如果为 True，表示返回值中包含最大值位置的索引。注意这个最大值指的是在所有窗口中产生的最大值，如果窗口产生的最大值总共有5个，就会有5个返回值。
• ceil_mode：如果为 True，表示在计算输出结果形状的时候，使用向上取整，否则默认向下取整。

输出结果形状的计算公式如下：

接下来我们用代码实现这个池化层：

from torchvision import transforms, datasets
from torch.utils.data import DataLoader
from torch.utils.tensorboard import SummaryWriter
import torch.nn as nn
import torchclass Network(nn.Module):def __init__(self):super(Network, self).__init__()self.maxpool1 = nn.MaxPool2d(kernel_size=2)def forward(self, input):output = self.maxpool1(input)return outputinput = torch.tensor([[1, 2, 1, 0],[0, 1, 2, 3],[3, 0, 1, 2],[2, 4, 0, 1]
], dtype=torch.float32)  # 注意池化层读入的数据需要为浮点型input = torch.reshape(input, [1, 1, 4, 4])network = Network()
print(network)  # Network((maxpool1): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False))output = network(input)
print(output)
# tensor([[[[2., 3.],
#           [4., 2.]]]])

我们用图像来试试效果：

from torchvision import transforms, datasets
from torch.utils.data import DataLoader
from torch.utils.tensorboard import SummaryWriter
import torch.nn as nntest_set = datasets.CIFAR10('dataset/CIFAR10', train=False, transform=transforms.ToTensor())data_loader = DataLoader(test_set, batch_size=64)class Network(nn.Module):def __init__(self):super(Network, self).__init__()self.maxpool1 = nn.MaxPool2d(kernel_size=2)def forward(self, input):output = self.maxpool1(input)return outputnetwork = Network()writer = SummaryWriter('logs')for step, data in enumerate(data_loader):imgs, targets = dataoutput = network(imgs)writer.add_images('input', imgs, step)writer.add_images('output', output, step)writer.close()

测试结果如下：

可以看到最大池化的目的是保留输入数据的特征，同时减小特征的数据量。