nn.Conv1d、nn.Conv2d、nn.Linear

nn.Linear

Args:
in_features: size of each input sample
out_features: size of each output sample
bias: If set to False, the layer will not learn an additive bias.
Default: True

Shape:
- Input: :math:(*, H_{in}) where :math:* means any number of
dimensions including none and :$H_{in}=\text{in\_features}$.
- Output: :math:(*, H_{out}) where all but the last dimension
are the same shape as the input and :$H_{out}=\text{out\_features}$.

Examples::
        >>> m = nn.Linear(20, 30)
        >>> input = torch.randn(128, 20) 
        # 需要输入到nn.Linear(in_features, out_features)中的tensor，假如为[B C H W]需要满足：H*W == in_features
        >>> output = m(input)
        >>> print(output.size())
        torch.Size([128, 30])

nn.Conv1d

In the simplest case, the output value of the layer with input size $(N,C_{\text{in}},L)$ and output :$(N,C_{\text{out}},L_{\text{out}})$ can be precisely described as:
$$\text{out}(N_i,C_{{\text{out}}_j})=\text{bias}(C_{{\text{out}}_j})+\sum _{k=0}^{C_{in}-1}\text{weight}(C_{{\text{out}}_j},k)\star \text{input}(N_i,k)$$

Shape:
- Input: :math:$(N,C_{in},L_{in})$ or :math:$(C_{in},L_{in})$
- Output: :math:$(N,C_{out},L_{out})$ or :math:$(C_{out},L_{out})$, where

… math::
$$L_{out}=\lfloor \frac{L_{in}+2\times \text{padding}-\text{dilation}\times (\text{kernel\_size}-1)-1}{\text{stride}}+1\rfloor$$

Attributes:
weight (Tensor): the learnable weights of the module of shape
$(\text{out\_channels},\frac{\text{in\_channels}}{\text{groups}},\text{kernel\_size})$.
The values of these weights are sampled from
:math:$\mathcal{U}(-\sqrt{k},\sqrt{k})$ where
:math:$k=\frac{groups}{C_{\text{in}}\ast \text{kernel\_size}}$
bias (Tensor): the learnable bias of the module of shape
(out_channels). If :attr:bias is True, then the values of these weights are
sampled from :math:$\mathcal{U}(-\sqrt{k},\sqrt{k})$ where
:math:$k=\frac{groups}{C_{\text{in}}\ast \text{kernel\_size}}$

Examples::
# 需要输入到nn.Conv1d(in_channels, out_channels)的中的tensor[B C H W]需要满足：H*W = in_channels,
# 并且需要将输入进行维度转换input.permute(0,2,1).clone().contiguous()) 
# 或者 input = einops.rearrange(input, 'b c h w -> b (h w) c')
        >>> m = nn.Conv1d(16, 33, 3, stride=2)
        >>> input = torch.randn(20, 16, 50)
        >>> output = m(input)  # torch.Size([20, 33, 24])

• nn.Conv1d, kernel_size=1与nn.Linear不同
  两者都可以作为全连接层，实现同样结构的MLP计算，但计算形式不同，具体为：

  nn.Conv1d输入的是一个[batch, channel,
  length]，3维tensor，而nn.Linear输入的是一个[batch, *, in_features]，可变形状tensor，在进行等价计算时务必保证nn.Linear输入tensor为三维
  nn.Conv1d作用在第二个维度位置channel，nn.Linear作用在第三个维度位置in_features，对于一个XXX，若要在两者之间进行等价计算，需要进行tensor.permute，重新排列维度轴秩序。
  nn.Linear速度比 nn.Conv1d, kernel_size=1速度更快。

MLP代码实现：

class MLPWithConv(nn.Module):
    def __init__(self, channels, expansion, drop):
        super().__init__()

        self.dim1 = channels
        self.dim2 = channels * expansion
        self.mlp = nn.Sequential(
            nn.Conv2d(self.dim1, self.dim2, 1, 1, 0),
            nn.Conv2d(self.dim2, self.dim2, 3, 1, 1, groups=self.dim2),
            nn.GELU(),
            nn.Dropout(drop, inplace=True),
            nn.Conv2d(self.dim2, self.dim1, 1, 1, 0),
            nn.Dropout(drop, inplace=True)
        )
    
    def forward(self, x):

        x = self.mlp(x)
        
        return x

class MLPWithLinear(nn.Module):
    def __init__(self, channels, expansion, drop):
        super().__init__()

        self.dim1 = channels
        self.dim2 = channels * expansion
        self.mlp_chunk = nn.Sequential(
            nn.Linear(self.dim1, self.dim2),
            nn.GELU(),
            nn.Dropout(drop, inplace=True),
            nn.Linear(self.dim2, self.dim1),
            nn.Dropout(drop, inplace=True)
        )
  
    def forward(self, x):
        _, _, H, W = x.size()
        x = einops.rearrange(x, 'b c h w -> b (h w) c')
        x = self.mlp_chunk(x)
        x = einops.rearrange(x, 'b (h w) c -> b c h w', h=H, w=W)
        
        return x

Conv1d与Linear测试及速度对比：

def count_parameters(model):
    """Count the number of parameters in a model."""
    return sum([p.numel() for p in model.parameters()])

conv = torch.nn.Conv1d(8,32,1)
print(count_parameters(conv))
# 288

linear = torch.nn.Linear(8,32)
print(count_parameters(linear))
# 288

print(conv.weight.shape)
# torch.Size([32, 8, 1])
print(linear.weight.shape)
# torch.Size([32, 8])

# use same initialization
linear.weight = torch.nn.Parameter(conv.weight.squeeze(2))
linear.bias = torch.nn.Parameter(conv.bias)

tensor = torch.randn(128,256,8)
permuted_tensor = tensor.permute(0,2,1).clone().contiguous()

out_linear = linear(tensor)
print(out_linear.mean())
# tensor(0.0067, grad_fn=)

out_conv = conv(permuted_tensor)
print(out_conv.mean())
# tensor(0.0067, grad_fn=)


Speed test:

%%timeit
_ = linear(tensor)
# 151 µs ± 297 ns per loop

%%timeit
_ = conv(permuted_tensor)
# 1.43 ms ± 6.33 µs per loop

nn.Conv2d

Shape:
- Input: $(N,C_{in},H_{in},W_{in})$ or :$(C_{in},H_{in},W_{in})$
- Output: $(N,C_{out},H_{out},W_{out})$ or :$(C_{out},H_{out},W_{out})$, where

$$H_{out}=\lfloor \frac{H_{in}+2\times \text{padding}[0]-\text{dilation}[0]\times (\text{kernel\_size}[0]-1)-1}{\text{stride}[0]}+1\rfloor$$

$$W_{out}=\lfloor \frac{W_{in}+2\times \text{padding}[1]-\text{dilation}[1]\times (\text{kernel\_size}[1]-1)-1}{\text{stride}[1]}+1\rfloor$$

Examples:
# 需要输入到nn.Conv2d(in_channels, out_channels)的中的tensor[B C H W]需要满足：C = in_channels
        >>> # With square kernels and equal stride
        >>> m = nn.Conv2d(16, 33, 3, stride=2)
        >>> # non-square kernels and unequal stride and with padding
        >>> m = nn.Conv2d(16, 33, (3, 5), stride=(2, 1), padding=(4, 2))
        >>> # non-square kernels and unequal stride and with padding and dilation
        >>> m = nn.Conv2d(16, 33, (3, 5), stride=(2, 1), padding=(4, 2), dilation=(3, 1))
        >>> input = torch.randn(20, 16, 50, 100)
        >>> output = m(input)

1×1卷积

1x1卷积在神经网络中有多种作用：

1. 改变通道数（ 降维、升维和保持空间维度）：1x1卷积可以用来改变输入张量的通道数。例如，通过使用1x1卷积将通道数从64个降至32个，可以减少计算量和模型复杂度。1x1卷积能够将通道数降低或增加。在深度神经网络中，通常需要增加网络的深度以提高模型的表达能力，但是这会导致模型参数的数量增加，并且容易造成过拟合，1x1卷积能够将通道数降低，减小计算量，同时可以保持网络的深度和表达能力。而在网络某些层次中，增加通道数能够提高模型的抽象能力，1x1卷积能够实现通道数的增加。

2. 增加非线性：1x1卷积可以在不改变特征图大小的情况下增加非线性。当卷积后面跟随激活函数时，可以增加模型的表达能力。

3. 混合特征：可将不同通道的特征混合在一起，生成新的特征。这有助于增强模型表达能力。1x1卷积能够调节通道之间的信息交互。一般而言，通道之间的交互越多，模型的抽象能力越强，但是过多的交互也会降低计算效率，1x1卷积可以通过调节通道之间的信息交互，使得模型既能够具备较强的抽象能力，又能够保证计算效率。

4. 提高计算效率：1x1卷积可以降低计算量，并且可以在不损失模型性能的情况下减少参数数量，从而缩小模型规模。在深度神经网络中，这很重要，因为它可以加快训练和推理速度，减少过拟合的风险。可以将多个特征图融合为一个特征图，从而减少模型的计算量和参数量。可以减少特征图的数量，从而减少计算量。

1×1卷积是一种卷积核大小为1×1的卷积操作。其作用是在保留输入数据的空间维度和通道维度的同时，对输入数据进行线性变换。常见的应用场景包括通道数的调整、特征的压缩和计算量的降低等。

示例代码如下：

import torch
import torch.nn as nn

# 定义输入数据
input_data = torch.randn(1, 16, 32, 32)

# 定义卷积操作
conv = nn.Conv2d(in_channels=16, out_channels=32, kernel_size=1)

# 执行卷积操作
output_data = conv(input_data)

# 输出结果
print(output_data.shape)

在上面的代码中，我们定义了一个输入数据input_data，其维度为[1, 16, 32, 32]，表示一批大小为1、通道数为16、高度和宽度均为32的数据。然后我们定义了一个1×1的卷积操作conv，其输入通道数为16，输出通道数为32。最后通过执行卷积操作output_data = conv(input_data)得到了输出数据output_data，其维度为[1, 32, 32, 32]，表示一批大小为1、通道数为32、高度和宽度均为32的数据。

计算卷积中一共有多少次乘法和加法操作

输入数据形状是[ 10 , 3 , 224 , 224 ],卷积核为（3， 3），输出通道为64，步幅stride=1, 填充padding=1，则完成这样一个卷积，一共需要做多少次乘法和加法操作？

提示
先看输出一个像素点需要做多少次乘法和加法操作，然后再计算总共需要的操作次数。
做题步骤：

1、先考虑只有一个输入通道时候的二维卷积：
假设输出是B，输入是A，先计算B的一个像素点，由于kernel为3，根据卷积的原理，对应B中的一个像素为：$B_1$ 为$A_{(3\ast 3)}$与$K_{(3\ast 3)}$对应元素相乘，之后再将相乘后的九个元素相加，会有9个乘法运算和8个加法运算。

2、但是一般我们输入的图片都是RGB三通道的，将这些输入通道的数值相加$3\times (9+8)$，并且加上偏置参数 b $$B_{00}=B_{00}^{(c=0)}+B_{00}^{(c=1)}+B_{00}^{(c=2)}+b$$

需要额外引入3次加法操作，所以最后总的乘法加法操作次数是3×(9+8)+3=54，其中乘法27次，加法27次。
由此可得计算出一个像素点需要乘法操作次数是27，加法操作次数也是27。

输出特征图的大小是[ 10 , 64 , 224 , 224 ] [10,64,224,224][10,64,224,224]，则总共需要乘法操作次数是：
$$27\times 10\times 64\times 224\times 224=867041280$$

加法操作次数和乘法操作次数相同都是867041280。
————————————————
版权声明：本文为CSDN博主「心无旁骛~」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/m0_63007797/article/details/128714136