视觉化CNN

Question

嗨，我想想象一下CNN。我一直在通过tutorial.html通过可视化的结构来研究CNN。我无法理解的是它的维度。

​

​

import torch
import torch.nn as nn
import torch.nn.functional as F


class Net(nn.Module):

    def __init__(self):
        super(Net, self).__init__()
        # 1 input image channel, 6 output channels, 3x3 square convolution
        # kernel
        self.conv1 = nn.Conv2d(1, 6, 3)
        self.conv2 = nn.Conv2d(6, 16, 3)
        # an affine operation: y = Wx + b
        self.fc1 = nn.Linear(16 * 6 * 6, 120)  # 6*6 from image dimension
        self.fc2 = nn.Linear(120, 84)
        self.fc3 = nn.Linear(84, 10)

    def forward(self, x):
        # Max pooling over a (2, 2) window
        x = F.max_pool2d(F.relu(self.conv1(x)), (2, 2))
        # If the size is a square you can only specify a single number
        x = F.max_pool2d(F.relu(self.conv2(x)), 2)
        x = x.view(-1, self.num_flat_features(x))
        x = F.relu(self.fc1(x))
        x = F.relu(self.fc2(x))
        x = self.fc3(x)
        return x

    def num_flat_features(self, x):
        size = x.size()[1:]  # all dimensions except the batch dimension
        num_features = 1
        for s in size:
            num_features *= s
        return num_features


net = Net()
print(net)

所以代码部分应该是图像中的CNN模型结构。我不明白的是这个。

1. 从输入到C1发生卷积，并使用3*3内核。在这种情况下，C1的维数不是应该是30×30而不是28×28吗？
2. 根据图像，层F5输入的维数是16×5×5，但代码不这么说。似乎层F5正在接受维度16×6×6的输入。

我不确定是我看错了还是图像是错的。

Answer 1

我很确定这个形象是错的。

如果你检查一下Conv2d文档。利用该方程，第一卷积层应输出(batch_size, 6, 30, 30)。运行该模型也证实了我的结论。

应将图像修改为：

INPUT: 1 x 32 x 32
C1: 6 x 30 x 30
S2: 6 x 15 x 15
C2: 16 x 13 x 13
S2: 16 x 6 x 6