1. 论Conv2d()里的padding和Conv2d()前padding的区别及重要性。

    小生建议,尽量少用Conv2d()里的填充方式,换成自定义填充方式(强烈建议)。

    小生为何这样建议呢,是因为小生以前就常使用Conv2d()里的padding方式,觉得这样使用简单、不麻烦(O(∩_∩)O哈哈~ 感觉当时好憨哟!)。可是在某一次实验中,得到的效果图在边缘位置十分不理想,我想啊想,想啊想,图像边缘位置我只做过零填充,当时就引起了我的注意,然后通过做对比实验,发现问题还真是由零填充导致的,太开心了(*^▽^*),实验又有突破了。这次不在卷积时做零填充,换成卷积前做重复填充。什么是重复填充了?就是复制边缘的像素来填充。

  Conv2d()里的padding,采用的是零填充,即在图像像素周围填充零像素点,这样做的坏处是很可能在边缘处产生伪影。还有一点就是Pytorch中Conv2d()卷积,当卷积核的尺寸是偶数时,不好做‘same’方式卷积,因为Conv2d()在填充时,上边缘与下边缘填充数是一样的,很难改变。

  Conv2d()前的padding,可以根据自己的需求填充,目前有四种填充方式,① 零填充;② 常数填充;③ 镜像填充;④ 重复填充;这种方式比较灵活,也很简单,客观可以根据自己的需求来选择使用,四种填充方式,可查看小生的另一篇博文。

  小生就不多言了,上案列,客官请下观~~。

2. 例子

2.1 Conv2d()零填充

2.1.1 Code

  小生在这里给了代码片段,这里就是想告诉客官怎么做卷积的填充。

# 读取图片
image1_path = "./fusion_datasets/lytro-01-A.jpg"
image1 = Image.open(image1_path) # 归一化处理和转为tensor
input_transform = transforms.Compose([
transforms.Grayscale(1),
transforms.ToTensor(),
]) image1_tensor = input_transform(image1).unsqueeze(0) # 卷积
conv2 = nn.Conv2d(1, 3, 8,padding = 4)
image1_conv = conv2(image1_pad)

2.1.2 结果显示

  客官勿怪,此图是我的实验,过程中的图,还没做到最好的效果,O(∩_∩)O哈哈~,有点不好意思了,捂脸(*/ω\*)!客官请看边缘处,是不是很多白点,这都是零填充导致的效果不好,将这张图和自定义填充之边缘填充的图对照。

2.2 自定义填充之边缘复制填充

2.2.1 Code

    小生在这里给了代码片段,这里就是想告诉客官怎么做卷积前的填充。

# 读取图片
image1_path = "./fusion_datasets/lytro-01-A.jpg"
image1 = Image.open(image1_path) # 归一化处理和转为tensor
input_transform = transforms.Compose([
transforms.Grayscale(1),
transforms.ToTensor(),
]) image1_tensor = input_transform(image1).unsqueeze(0) # 自定义填充之边缘复制填充
ReplicationPad = nn.ReplicationPad2d(padding=(3, 4, 3, 4))
image1_pad = ReplicationPad(image1_tensor) # 卷积
conv2 = nn.Conv2d(1, 3, 8)
image1_conv = conv2(image1_pad)

2.2.2 结果显示

  此图与上图对照,边缘的白点基本没有了,嘿嘿(*^▽^*),好开心(*^▽^*)!

3. 总结

  努力去爱周围的每一个人,付出,不一定有收获,但是不付出就一定没有收获! 给街头卖艺的人零钱,不和深夜还在摆摊的小贩讨价还价。愿我的博客对你有所帮助(*^▽^*)(*^▽^*)!

  如果客官喜欢小生的园子,记得关注小生哟,小生会持续更新(#^.^#)(#^.^#)!

数据预处理 —— padding数据的更多相关文章

  1. 第七篇:数据预处理(四) - 数据归约(PCA/EFA为例)

    前言 这部分也许是数据预处理最为关键的一个阶段. 如何对数据降维是一个很有挑战,很有深度的话题,很多理论书本均有详细深入的讲解分析. 本文仅介绍主成分分析法(PCA)和探索性因子分析法(EFA),并给 ...

  2. 数据预处理之数据规约(Data Reduction)

    数据归约策略 数据仓库中往往具有海量的数据,在其上进行数据分析与挖掘需要很长的时间 数据归约 用于从源数据中得到数据集的归约表示,它小的很多,但可以产生相同的(几乎相同的)效果 数据归约策略 维归约  ...

  3. c++ 数据预处理(数据去噪,归一化)

    正态分布3σ原则,把3倍方差之外的点设想为噪声数据来排除. 归一化,将数据经过处理之后限定到一定的范围内,一般都会将数据限定到[0,1]. #include <iostream>#incl ...

  4. R语言--数据预处理

    一.日期时间.字符串的处理 日期 Date: 日期类,年与日 POSIXct: 日期时间类,精确到秒,用数字表示 POSIXlt: 日期时间类,精确到秒,用列表表示 Sys.date(), date( ...

  5. WEKA中的数据预处理

    数据预处理包括数据的缺失值处理.标准化.规范化和离散化处理. 数据的缺失值处理:weka.filters.unsupervised.attribute.ReplaceMissingValues. 对于 ...

  6. R语言数据预处理

    R语言数据预处理 一.日期时间.字符串的处理 日期 Date: 日期类,年与日 POSIXct: 日期时间类,精确到秒,用数字表示 POSIXlt: 日期时间类,精确到秒,用列表表示 Sys.date ...

  7. 小白学 Python 数据分析(9):Pandas (八)数据预处理(2)

    人生苦短,我用 Python 前文传送门: 小白学 Python 数据分析(1):数据分析基础 小白学 Python 数据分析(2):Pandas (一)概述 小白学 Python 数据分析(3):P ...

  8. TensorLayer官方中文文档1.7.4:API – 数据预处理

    所属分类:TensorLayer API - 数据预处理¶ 我们提供大量的数据增强及处理方法,使用 Numpy, Scipy, Threading 和 Queue. 不过,我们建议你直接使用 Tens ...

  9. TensorFlow从1到2(三)数据预处理和卷积神经网络

    数据集及预处理 从这个例子开始,相当比例的代码都来自于官方新版文档的示例.开始的几个还好,但随后的程序都将需要大量的算力支持.Google Colab是一个非常棒的云端实验室,提供含有TPU/GPU支 ...

随机推荐

  1. 极简教程!教你快速将K3s与Cloud Controller集成

    作者: Dawid Ziolkowski,云原生工程师 原文链接: https://itnext.io/how-to-integrate-k3s-with-the-cloud-controller-3 ...

  2. A 蚂蚁觅食

    A. 蚂蚁觅食(一) 单点时限: 1.0 sec 内存限制: 512 MB 一只饥饿的小蚂蚁外出觅食,幸运的小蚂蚁发现了好多食物,但是它只有一次搬食物的机会.可因为力气太小了,它不能搬走重量超过自己体 ...

  3. 【错误】python百分号冲突not enough arguments for format string

    query = "SELECT * FROM devices WHERE devices.`id` LIKE '%{}%'".format("f2333") d ...

  4. mongodb connection refused because too many open connections: 819

    Env Debian 9 # 使用通用二进制方式安装 # mongod --version db version v3.4.21-2.19 git version: 2e0631f5e0d868dd5 ...

  5. java 递归及其经典应用--求阶乘、打印文件信息、计算斐波那契数列

    什么是递归 我先看下百度百科的解释: 一种计算过程,如果其中每一步都要用到前一步或前几步的结果,称为递归的.用递归过程定义的函数,称为递归函数,例如连加.连乘及阶乘等.凡是递归的函数,都是可计算的,即 ...

  6. sql注入原理+mysql相关知识点

    什么是SQL注入 sql就是经常说的数据库,而sql注入就是通过把SQL命令插入到Web表单递交或输入域名或页面请求的查询字符串,最终达到欺骗服务器执行恶意的SQL命令.SQL注入是比较常见的网络攻击 ...

  7. 深入理解BIO、NIO、AIO

    导读:本文你将获取到:同/异步 + 阻/非阻塞的性能区别:BIO.NIO.AIO 的区别:理解和实现 NIO 操作 Socket 时的多路复用:同时掌握 IO 最底层最核心的操作技巧. BIO.NIO ...

  8. influxdb 安装

    influxdb是一款开源的时序数据库,可以用作监控系统的数据存储或用来存储基于时序进行分析的业务系统的数据存储. influxdb的部署及使用均比较简单,但是集群(官方版集群已闭源)及高可用方案较少 ...

  9. Makefile: missing separator(did you mean TAB instead of 8 spaces?). Stop.

    通常我们会对vimrc文件加以配置(如将TAB键自动转换为4个空白键). 但正是由于将tab键转换为n个空白键,使得用vim编写的Makefile中不存在tab键(即“\t”)了.恰恰Makefile ...

  10. UVALive 7501 Business Cycle

    细心题 #include<bits/stdc++.h> using namespace std; #define rep(i,a,b) for(int i=a;i<=b;++i) # ...