用Python可视化理解空洞卷积：5分钟掌握核心差异

第一次接触空洞卷积时，我也曾被那些数学公式绕得头晕——"K = k + (k-1)(r-1)"这样的表达式看起来就像天书。直到有一天，我决定用Python把卷积过程画出来，一切突然变得清晰可见。本文将带你用PyTorch和Matplotlib，通过代码直观展示常规卷积与空洞卷积的本质区别。

1. 准备工作：搭建可视化环境

在开始之前，我们需要准备好Python环境。推荐使用Jupyter Notebook进行交互式实验，这样可以看到每一步的即时效果。以下是需要安装的库：

bash复制pip install torch matplotlib numpy

让我们先导入必要的库并设置绘图风格：

python复制import torch
import torch.nn as nn
import matplotlib.pyplot as plt
import numpy as np

plt.style.use('seaborn')
plt.rcParams['figure.figsize'] = (10, 6)

为了直观比较两种卷积，我们需要创建一个简单的输入特征图。这里设计一个7×7的网格，中心点亮度最高，方便观察卷积核如何捕捉特征：

python复制def create_test_grid(size=7):
    grid = np.zeros((size, size))
    center = size // 2
    grid[center, center] = 1  # 中心点亮
    return torch.FloatTensor(grid).unsqueeze(0).unsqueeze(0)  # 添加batch和channel维度

test_grid = create_test_grid()

2. 常规卷积的可视化实现

常规卷积是深度学习中最基础的操作。让我们实现一个3×3的卷积核，并可视化它的采样过程：

python复制def plot_conv_samples(input_tensor, kernel_size=3, stride=1, padding=0, dilation=1):
    # 创建全1卷积核