Python 卷积运算在图像压缩中的应用

要渲染图像（如果使用形状27x35），请执行以下操作：

random_image = []
for x in range(1 , 946):
        random_image.append(random.randint(0 , 255))

random_image_arr = np.array(random_image)
matplotlib.pyplot.imshow(random_image_arr.reshape(27 , 35))

这将产生：

然后，我尝试使用

torch.nn.Conv2d

对图像应用卷积：

conv2 = torch.nn.Conv2d(3, 18, kernel_size=3, stride=1, padding=1)

image_d = np.asarray(random_image_arr.reshape(27 , 35))

conv2(torch.from_numpy(image_d))

但这会显示错误：

~/.local/lib/python3.6/site-packages/torch/nn/modules/conv.py in forward(self, input)
    299     def forward(self, input):
    300         return F.conv2d(input, self.weight, self.bias, self.stride,
--> 301                         self.padding, self.dilation, self.groups)
    302 
    303 

RuntimeError: input has less dimensions than expected

输入的

图像的形状是
（27,35）

我是否应该更改
Conv2d
的参数，以便对图像应用卷积

更新。从@McLawrence的回答中，我有：

random_image = []
for x in range(1 , 946):
        random_image.append(random.randint(0 , 255))

random_image_arr = np.array(random_image)
matplotlib.pyplot.imshow(random_image_arr.reshape(27 , 35))

这将渲染图像：


应用卷积运算：

conv2 = torch.nn.Conv2d(1, 18, kernel_size=3, stride=1, padding=1)

image_d = torch.FloatTensor(np.asarray(random_image_arr.reshape(1, 1, 27 , 35))).numpy()

fc = conv2(torch.from_numpy(image_d))

matplotlib.pyplot.imshow（fc[0][0].data.numpy（））

渲染图像：

您的代码有两个问题：

首先，
pytorch
中的二维卷积仅适用于4d张量。
这便于在神经网络中使用。第一个维度是批次大小，而第二个维度是通道（例如，RGB图像有三个通道）。所以你必须重塑你的张量

image_d = torch.FloatTensor(np.asarray(random_image_arr.reshape(1, 1, 27 , 35)))

FloatTensor
在这里很重要，因为卷积不是在
LongTensor
上定义的，如果
numpy
数组只包含
int
s，卷积将自动创建

其次，您创建了一个包含三个输入通道的卷积，而您的图像只有一个通道（灰度）。因此，必须将卷积调整为：

conv2 = torch.nn.Conv2d(1, 18, kernel_size=3, stride=1, padding=1)

@McLawrence没有，只是觉得分享实现可能有用。