数据包
from PIL import Image
from torchvision.transforms import ToTensor,ToPILImage
import matplotlib.pyplot as plt
import torch as t
from torch import nn
from torch.autograd import Variable as V
全连接层
'''全连接层'''
class Linear(nn.Module): #继承nn.Module
'''构造函数'''
def __init__(self,in_features,out_features):
nn.Module.__init__(self)
self.w=nn.Parameter(t.randn(in_features,out_features))
self.b=nn.Parameter(t.randn(out_features))
'''前向传播'''
def forward(self,x):
x=x.mm(self.w)
return x+self.b.expand_as(x)
图像的卷积锐化
'''打开图像'''
to_tensor=ToTensor()
to_pil=ToPILImage()
img=Image.open('D:/杨狗/test.jpg')
'''绘制图像'''
#plt.imshow(img)
'''这是为了操作方便，将整个图像增加一个维度，图像本来是三维的（长宽与通道），现在成了四维了'''
input=to_tensor(img).unsqueeze(0)
#print(input.shape)
#锐化卷积核，大小3*3，且有3通道，
kernel=t.ones(3,3,3)/-9.
kernel[0][1][1]=1
kernel[1][1][1]=1
kernel[2][1][1]=1
conv=nn.Conv2d(1,1,(3,3),1,bias=False) #参数：输入通道数(因为新增了一个维度，所以是1)，输出通道数（同理），卷积核大小，步长，是否有偏移量
conv.weight.data=kernel.view(1,3,3,3) #与图像对应，本来是3*3*3的卷积核，由于增加了维度，调整为1*3*3*3
out=conv(V(input))
'''去掉增加的维度'''
img_out=to_pil(out.data.squeeze(0))
'''绘制图像'''
plt.imshow(img_out)
池化层
pool=nn.AvgPool2d(10,10)
out=pool(V(input))
img_out=to_pil(out.data.squeeze(0))
plt.imshow(img_out)
