Conv2d、conv2d是pytorch中进行卷积操作的2个类，虽然只是首字母大小写不同，使用起来方法也不一样，一个是类，一个是函数。

1 Conv2d

Conv2d是torch.nn中的类

1.1 初始化

CLASS
torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True, padding_mode='zeros', device=None, dtype=None)

参数说明

in_channels (int) – 输入图像通道
out_channels (int) – 输出图像通道，也就是用了多少层卷积核
kernel_size (int or tuple) – 卷积核大小
stride (int or tuple, optional) – 步长. Default: 1
padding (int, tuple or str, optional) – Padding 大小. Default: 0
padding_mode (string, optional) – 填充模式，默认填充0，'zeros', 'reflect', 'replicate' or 'circular'. Default: 'zeros'
dilation (int or tuple, optional) – Spacing between kernel elements. Default: 1，一般不用管
groups (int, optional) – Number of blocked connections from input channels to output channels. Default: 1，一般不用管
bias (bool, optional) –是否添加偏值， Default: True

样例

from torch.nn import Conv2d
conv1 = Conv2d(in_channels=3, out_channels=6, kernel_size=3, stride=1, padding=0)
print(conv1)

输出

Conv2d(3, 6, kernel_size=(3, 3), stride=(1, 1))

1.2 输入输出大小

$Input: (N, C_{in}, H_{in}, W_{in})$

$Output: (N, C_{out}, H_{out}, W_{out})$

N：样本数
C：通道数
H：高
W：宽

$H_{out}=\left \lfloor \frac{H_{in}+2\times padding[0]-dilation[0]\times (kernelsize[0]-1)-1}{stride[0] }+1 \right \rfloor$

$W_{out}=\left \lfloor \frac{W_{in}+2\times padding[0]-dilation[0]\times (kernelsize[0]-1)-1}{stride[0] }+1 \right \rfloor$

import torch
input = torch.randn(1, 3, 5, 5)
output = conv1(input)
print(input.shape)
print(output.shape)

输出

torch.Size([1, 3, 5, 5])
torch.Size([1, 6, 3, 3])

2 conv2d

conv2d是torch.nn.functional中的函数

2.1 代码格式

torch.nn.functional.conv2d(input, weight, bias=None, stride=1, padding=0, dilation=1, groups=1)

参数说明

input –输入一个tensor
weight – 卷积核，也是一个tensor
bias – 偏值，tensor，大小是输出通道的大小. Default: None
stride –步长. Default: 1
padding –{‘valid’, ‘same’}，默认valid，，也可以是int数值
dilation – the spacing between kernel elements. Can be a single number or a tuple (dH, dW). Default: 1，不用管
groups – split input into groups, \text{in\_channels}in_channels should be divisible by the number of groups. Default: 1，不用管

2.2 输入输出大小

input = torch.tensor([[1, 2, 0, 3, 1],[0, 1, 3, 3, 1],[1, 2, 1, 0, 0],[5, 5, 3, 1, 4],[3, 1, 0, 4, 1]])kernel = torch.tensor([[1, 1, 1],[0, 2, 0],[2, 1, 0]])input = torch.reshape(input, (1, 1, 5, 5))
kernel = torch.reshape(kernel, (1, 1, 3, 3))print(input.shape)
print(kernel.shape)

输出

torch.Size([1, 1, 5, 5])
torch.Size([1, 1, 3, 3])

样例

import torch.nn.functional as F
output = F.conv2d(input, kernel, stride=1, padding=“same”）
print(output)

输出

tensor([[[[ 1,  3,  4, 10,  8],[ 5, 10, 12, 12,  6],[ 7, 18, 16, 16,  8],[11, 13,  9,  3,  4],[14, 13,  9,  7,  4]]]])

Pytorch——Conv2d、conv2d相关推荐

PyTorch学习笔记（1）nn.Sequential、nn.Conv2d、nn.BatchNorm2d、nn.ReLU和nn.MaxPool2d
文章目录一.nn.Sequential 二.nn.Conv2d 三.nn.BatchNorm2d 四.nn.ReLU 五.nn.MaxPool2d 一.nn.Sequential torch.nn. ...
Pytorch的nn.Conv2d（）详解
Pytorch的nn.Conv2d()详解 nn.Conv2d()的使用.形参与隐藏的权重参数 in_channels out_channels kernel_size stride = 1 padd ...
Pytorch的nn.Conv2d（）参数详解
nn.Conv2d()的使用.形参与隐藏的权重参数二维卷积应该是最常用的卷积方式了,在Pytorch的nn模块中,封装了nn.Conv2d()类作为二维卷积的实现.使用方法和普通的类一样,先实例 ...
Pytorch中nn.Conv2d数据计算模拟
Pytorch中nn.Conv2d数据计算模拟最近在研究dgcnn网络的源码,其网络架构部分使用的是nn.Conv2d模块.在Pytorch的官方文档中,nn.Conv2d的输入数据为(B, Cin ...
【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, ...
[十三]深度学习Pytorch-卷积层(1D/2D/3D卷积、卷积nn.Conv2d、转置卷积nn.ConvTranspose)
0. 往期内容 [一]深度学习Pytorch-张量定义与张量创建 [二]深度学习Pytorch-张量的操作:拼接.切分.索引和变换 [三]深度学习Pytorch-张量数学运算 [四]深度学习Pytor ...
Pytorch填充、步幅及多通道输入输出的理论分析及代码实现
填充和步幅卷积核带来的问题-输入形状不断减小更大的卷积核可以更快的减小输出大小形状从 n h ∗ n w n_h * n_w nh∗nw减少到 ( n h − k h + 1 ) ∗ ( n ...
Jetson Nano目标检测手把手实战教程（pytorch训练、tensorrt推理，含完整代码和数据）
目录一.概述 1.1 深度学习和边缘计算 1.2 Jetson Nano简介二.深度学习环境安装 2.1 Pytorch框架 2.2 在Jetson Nano上安装Pytorch 三.算法原理四 ...
Jetson Nano v4.6.3：安装系统、U盘启动、安装SDK、安装PyTorch GPU、YOLOv5+DeepStream部署
一.写在前面本教程为个人创作,截止发布日仅在CSDN平台刊登,转载请附本文链接. 本教程直接面向YOLOv5用户,提供四个文件供下载,简单说明如下表,详细说明和下载链接在文末. 文件名称文件类型 ...
pytorch笔记（四）nn.Conv1d、nn.Conv2d、nn.Conv3d
概念: nn.Conv1d:常用在文本 (B,C,L) (batch,channel,sequence_len) (批数量,通道数,句子长度) nn.Conv2d:常用在图像 (B,C,H,W) (b ...

Pytorch——Conv2d、conv2d