利用PyTorch进行深度学习：理解神经网络示例

Question

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

下文作如下说明：

让我们尝试一个随机的32x32输入。注：此网的预期输入大小（LeNet）为32x32。若要在MNIST数据集中使用此网络，请将数据集中的图像大小调整为32x32。

问题1：为什么图像需要32x32（我假设这意味着32像素乘32）？

在第一个卷积层，我们从一个输入通道到六个输入通道，这对我来说是有意义的。您只需将六个内核应用于单个输入通道，即可得到六个输出通道。从六个输入通道到十六个输出通道对我来说没有那么大的意义。不同的内核是如何应用的？您是否将两个核应用于前五个输入通道以到达十个输出通道，而将六个核应用于最后一个输入通道，从而使总数达到十六个输出通道？还是神经网络学习自己使用x内核，并将它们应用到它发现最合适的输入通道上？

Answer 1

我现在可以自己回答这些问题了。

问题1：要了解为什么需要32x32图像来使神经网络工作，请考虑以下内容：

第1层：首先，卷积应用3x3内核。由于图像的尺寸为32x32，这将导致网格为30x30。接下来，将最大池应用于网格，使用2x2内核和步幅2，生成一个维度为15x15的网格。