将卷积运算应用于图像-PyTorch

Question

要渲染形状为27x35的图像，请使用：

random_image = []

for x in range(1 , 946):

        random_image.append(random.randint(0 , 255))

random_image_arr = np.array(random_image)

matplotlib.pyplot.imshow(random_image_arr.reshape(27 , 35))

这将产生：

然后，我尝试使用来对图像应用卷积torch.nn.Conv2d：

conv2 = torch.nn.Conv2d(3, 18, kernel_size=3, stride=1, padding=1)

image_d = np.asarray(random_image_arr.reshape(27 , 35))

conv2(torch.from_numpy(image_d))

但这显示错误：

~/.local/lib/python3.6/site-packages/torch/nn/modules/conv.py in forward(self, input)

    299     def forward(self, input):

    300         return F.conv2d(input, self.weight, self.bias, self.stride,

--> 301                         self.padding, self.dilation, self.groups)

    302 

    303 

RuntimeError: input has less dimensions than expected

输入的形状image_d是(27, 35)

Conv2d为了将卷积应用于图像，是否应该更改的参数？

更新。来自@McLawrence的答案是：

random_image = []

for x in range(1 , 946):

        random_image.append(random.randint(0 , 255))

random_image_arr = np.array(random_image)

matplotlib.pyplot.imshow(random_image_arr.reshape(27 , 35))

这将渲染图像：

应用卷积运算：

conv2 = torch.nn.Conv2d(1, 18, kernel_size=3, stride=1, padding=1)

image_d = torch.FloatTensor(np.asarray(random_image_arr.reshape(1, 1, 27 , 35))).numpy()

fc = conv2(torch.from_numpy(image_d))

matplotlib.pyplot.imshow（fc [0] [0] .data.numpy（））

渲染图像：

Answer 1

您的代码有两个问题：首先，二维卷积中pytorch被定义仅适用于四维张量。这在神经网络中使用很方便。第一维是批处理大小，而第二维是通道（例如RGB图像具有三个通道）。所以你必须像重塑你的张量image_d = torch.FloatTensor(np.asarray(random_image_arr.reshape(1, 1, 27 , 35)))FloatTensor此处的值很重要，因为未在上定义卷积LongTensor，如果您的numpy数组仅包含ints ，则将自动创建卷积。其次，您创建了具有三个输入通道的卷积，而图像只有一个通道（灰度）。因此，您必须将卷积调整为：conv2 = torch.nn.Conv2d(1, 18, kernel_size=3, stride=1, padding=1)