torch.nn.Conv2d()函数详解

import torch

x = torch.randn(2,1,7,3)
conv = torch.nn.Conv2d(1,8,(2,3))
res = conv(x)

print(res.shape)    # shape = (2, 8, 6, 1)

输入x：

[ batch_size, channels, height_1, width_1 ]

batch_size	一个batch中样例的个数	2
channels	通道数，也就是当前层的深度	1
height_1	图片的高	7
width_1	图片的宽	3

Conv2d的参数

[ channels, output, height_2, width_2 ] 

channels	通道数，和上面保持一致，也就是当前层的深度	1
output	输出的深度	8
height_2	过滤器filter的高	2
weight_2	过滤器filter的宽	3

torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True)

in_channels	Number of channels in the input image
out_channels	Number of channels produced by the convolution
kernel_size	卷积核尺寸
stride	步长，控制cross-correlation的步长，可以设为1个int型数或者一个(int, int)型的tuple。
padding	(补0)：控制zero-padding的数目。
dilation	(扩张)：控制kernel点（卷积核点）的间距
groups	(卷积核个数)：通常来说，卷积个数唯一，但是对某些情况，可以设置范围在1 —— in_channels中数目的卷积核：
bias	adds a learnable bias to the output.

 

输出res:

[ batch_size,output, height_3, width_3 ]

batch_size	一个batch中样例的个数，同上	2
output	输出的深度	8
height_3	卷积结果的高度	h1-h2+1 = 7-2+1 = 6
weight_3	卷积结果的宽度	w1-w2+1 = 3-3+1 = 1

参考

torch.nn.Conv2d
torch.nn.MaxPool2d
————————————————
版权声明：本文为CSDN博主「huxuedan01」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_37586991/article/details/87855342