pytorch学习笔记-基础篇（卷积）

本篇主要记录一下一些基础的pytorch知识，卷积的一些基本情况

一、feature map

  对于灰度图片，用0~255（或者压缩到0~1）表示灰度，即下图第一张图到第二张的转化。如果是彩色图片，则用3张表[R, G, B]分布表示3个通道的颜色信息

二、全连接层

  对于如下的简单全连接层，一共需要1.6 MB去存储参数，这对于当时的环境是一个很大的数。

1. weight sharing

  为了解决这一问题，科学家提出了一个模仿人眼的“局部相关性”的机制，并不一次看到全部视野，只看部分；简单来说，就是下图第一部分中的：用一个小窗口逐步扫描整张图片

三、卷积

  如下是卷积在数字信号处理中的定义

  下面是卷积在网络中的运作过程

y(0, 0) = 卷积核不偏移，对应位置相乘求和
y(1, 0) = 卷积核x方向偏移一个单位，对应位置相乘求和
...

1. 卷积的应用

1. 锐化图片
     给图片和这样一个卷积核作卷积所得就会让图片变得更加锐利
   
2. 模糊图片
   
3. 边缘检测