关于Conv2d的用法看文章:Conv2d_马鹏森的博客-CSDN博客

用法:

Conv2d(in_channels, out_channels, kernel_size, stride=1,padding=0, dilation=1, groups=1,bias=True, padding_mode=‘zeros’)

对应题目中的:

nn.Conv2d(nc, ndf, 4, 2, 1, bias=False)

那么便可以看到:
nc(number of channels):输入通道数
ndf(Number of filters):滤波器的数量,也就是输出通道数

4:kernel_size
2:stride
1:stride

ndf是filter的数量【滤波器有几个,输出的通道数就是几(关于滤波器的理解看:重新理解CNN(精)(为什么多个滤波器?....)_马鹏森的博客-CSDN博客,其中的“4.对多通道(channels)图片的卷积”),因为算的时候,就是先对每一个滤波器去计算每一个通道的,然后把每个通道的结果加和,这个和就是这个滤波器的结果,输出的就是由ndf个滤波器算出的结果的向量。


pytorch学习 nn.Conv2d(nc, ndf, 4, 2, 1, bias=False)_朝不闻道,夕不可死的博客-CSDN博客_bias=false

nn.Conv2d(nc, ndf, 4, 2, 1, bias=False),nc、ndf是什么?相关推荐

  1. pytorch nn.Conv2d

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

  2. tf.nn.conv2d和tf.contrib.slim.conv2d的区别

    转自:http://blog.sina.com.cn/s/blog_6ca0f5eb0102wsuu.html 文中摘要: " 在上述的API中,可以看出去除掉初始化的部分,那么两者并没有什 ...

  3. 通俗理解tf.nn.conv2d() tf.nn.conv3d( )参数的含义 pytorhc 卷积

    20210609 例如(3,3,(3,7,7))表示的是输入图像的通道数是3,输出图像的通道数是3,(3,7,7)表示过滤器每次处理3帧图像,卷积核的大小是3 x 7 x 7. https://blo ...

  4. 【pytorch】nn.conv2d的使用

    官方文档在这里. conv2d具体不做介绍了,本篇只做pytorch的API使用介绍. torch.nn.Conv2d(in_channels, out_channels, kernel_size, ...

  5. pyotrch nn.Conv2d中groups参数的理解

    在pytorch的Docs中有关于nn.Conv2d的具体描述: torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, p ...

  6. pytorch 笔记:torch.nn.Conv2d

    1 基本用法 torch.nn,Conv2d(in_channels, out_channels, kernel_size, stride=1,padding=0, dilation=1, group ...

  7. PyTorch中的nn.Conv1d与nn.Conv2d

    本文主要介绍PyTorch中的nn.Conv1d和nn.Conv2d方法,并给出相应代码示例,加深理解. 一维卷积nn.Conv1d 一般来说,一维卷积nn.Conv1d用于文本数据,只对宽度进行卷积 ...

  8. nn.Conv2d的解释

    nn.Conv2d(self, in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, b ...

  9. Pytorch中nn.Conv2d的用法

    官网链接: nn.Conv2d     Applies a 2D convolution over an input signal composed of several input planes. ...

最新文章

  1. BZOJ4401 块的计数
  2. C++中转换构造函数:将其它类型转换为当前类的类型
  3. SQL-语句实现九九乘法表
  4. 雨中赶班车 2019-12-19
  5. phpcms:八、show.html
  6. 【信仰充值中心】Firefox 97 后续更新一览
  7. spring boot缓存excel临时文件后再操作
  8. matlab三次样条拟合,【MATLAB编程】三次样条
  9. 如何克服presentation恐惧呢?
  10. 数字信号处理matlab——FIR浅析1
  11. python发展至今有哪些版本_Python发展至今有哪些版本,各版本有什么区别?
  12. 【IT生活】成长,没有想象的那么迫切 ——叶绍琛
  13. 北京世园会率先启用5G技术 中国馆优雅呈现
  14. C++ 实现大小写转换
  15. 【旋转摆正验证码】知苗易约小程序旋转摆正验证码识别——识别解绝方法
  16. Java SE基础知识详解第[12]期—集合(Set、Collections、Map、集合嵌套)
  17. 聚焦扶贫,爱在瑶山,深圳市华南物流商会在行动
  18. Excel聚光灯--双箭头指示
  19. 洛谷4995 跳跳!
  20. linux微软雅黑乱码,CentOS安装微软雅黑,解决drawImage中文乱码相关问题

热门文章

  1. ubuntu下JDK的自动安装和手动安装
  2. (转)数据库查询速度慢的原因
  3. 文件I/O实践(1) --基础API
  4. Unity3D客户端和Java服务端使用Protobuf
  5. java ojdbc 还需要装 oracle client 吗,ojdbc连接数据库
  6. java环境变量代表的含义_java 环境变量的涵义
  7. 怎样分析java进程占cpu_java进程占用cpu过高分析是哪些线程
  8. 信息学奥赛一本通 1163:阿克曼(Ackmann)函数
  9. 信息学奥赛一本通(1102:与指定数字相同的数的个数)
  10. 搜索 —— 启发式搜索 —— 模拟退火