多输入多输出通道卷积

前言

彩色图像具有RGB三通道，因此卷积操作也需要拓展到多通道

多输入通道

当输入包含多个通道时，需要构造一个具有与输入数据相同输入通道数的卷积核，以便与输入数据进行互相关运算。

• 卷积核通道数与输入通道数相同
• 对每个通道的输出求和

def corr2d(X,K):
    """互相关运算"""
    h,w=K.shape
    Y=torch.zeros((X.shape[0]-h+1,X.shape[1]-w+1))
    for i in range(Y.shape[0]):
        for j in range(Y.shape[1]):
            Y[i,j]=(X[i:i+h,j:j+w]*K).sum()
    return Y


def corr2d_multi_in(X,K):
    """多通道输入单通道输出"""
    return sum(corr2d(x,k) for x,k in zip(X,K))

多输出通道

相较于单通道输出，多通道输出具有多组多输入通道的卷积核，并将每组的输出结果进行拼接

def corr2d_mult_in_out(X,K):
    """多通道输入多通道输出"""
    return torch.stack([corr2d_multi_in(X,k) for k in K],0)# 在第一维上连接张量