1 基本用法

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

2 参数详解

参数 kernel_size,stride,padding,dilation 都可以是一个整数或者是一个元组,一个值的情况将会同时作用于高和宽 两个维度,两个值的元组情况代表分别作用于维度。

in_channels

输入的通道数目 【必选】

out_channels

输出的通道数目 【必选】

也就是这一个卷积操作中卷积核filter的数量

kernel_size

卷积核的大小,类型为int 或者元组,

当卷积是方形的时候,只需要一个整数边长即可,卷积不是方形,要输入一个元组表示 高和宽。【必选】

每次将输入卷积操作的kernel_size大小的内容进行卷积操作得到一个结果

stride

卷积每次滑动的步长为多少,默认是 1 【可选】

以kernel_size为1为例,会有:

这一轮考虑的是a[i][j],下一轮考虑的就是a[i][j+stride]

padding

设置在所有边界增加 值为 0 的边距的大小(也就是在feature map 外围增加几圈 0 )

例如当 padding =1 的时候,如果原来大小为 3 × 3 ,那么之后的大小为 5 × 5 。即在外围加了一圈 0 。【可选】

padding的作用是为了维护输出的维度

dilation

控制卷积核之间的间距【可选】

如果我们设置的dilation=0的话,效果如图:(蓝色为输入,绿色为输出,卷积核为3 × 3)

如果设置的是dilation=1,那么效果如图:(蓝色为输入,绿色为输出,卷积核仍为 3 × 3 。)
但是这里卷积核点与输入之间距离为1的值相乘来得到输出。

3 输入输出形状

假设输入形状为:,输出形状为

(batchsize, channel, height, width)

那么,根据ConV2d的参数,我们有:

参考文献:

torch.nn.Conv2d() 用法讲解_假装很坏的谦谦君-CSDN博客_conv2d

pytorch 笔记:torch.nn.Conv2d相关推荐

  1. pytorch之torch.nn.Conv2d()函数详解

    文章目录 一.官方文档介绍 二.torch.nn.Conv2d()函数详解 参数详解 参数dilation--扩张卷积(也叫空洞卷积) 参数groups--分组卷积 三.代码实例 一.官方文档介绍 官 ...

  2. PyTorch 笔记(20)— torchvision 的 datasets、transforms 数据预览和加载、模型搭建(torch.nn.Conv2d/MaxPool2d/Dropout)

    计算机视觉是深度学习中最重要的一类应用,为了方便研究者使用,PyTorch 团队专门开发了一个视觉工具包torchvision,这个包独立于 PyTorch,需通过 pip instal torchv ...

  3. PyTorch学习笔记(9)——nn.Conv2d和其中的padding策略

    一. Caffe.Tensorflow的padding策略 在之前的转载过的一篇文章--<tensorflow ckpt文件转caffemodel时遇到的坑>提到过,caffe的paddi ...

  4. conv2d的输入_pytorch1.0中torch.nn.Conv2d用法详解

    Conv2d的简单使用 torch 包 nn 中 Conv2d 的用法与 tensorflow 中类似,但不完全一样. 在 torch 中,Conv2d 有几个基本的参数,分别是 in_channel ...

  5. torch.nn.Conv2d

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

  6. torch.nn.Conv2d() 用法讲解

    本文是深度学习框架 pytorch 的API : torch.nn.Conv2d() 函数的用法.本博客介绍了 torch.nn.Conv2d() 各个参数的含义和用法,学会使用 pytorch 创建 ...

  7. Pytorch中torch.nn.Softmax的dim参数含义

    自己搞了一晚上终于搞明白了,下文说的很透彻,做个记录,方便以后翻阅 Pytorch中torch.nn.Softmax的dim参数含义

  8. 【PyTorch】torch.nn.Transformer解读与应用

    nn.TransformerEncoderLayer 这个类是transformer encoder的组成部分,代表encoder的一个层,而encoder就是将transformerEncoderL ...

  9. 【Pytorch】torch.nn.Conv1d()理解与使用

    官方文档:https://pytorch.org/docs/stable/generated/torch.nn.Conv1d.html?highlight=nn%20conv1d#torch.nn.C ...

最新文章

  1. 报名 | 期末考后,快来打比赛赢万元奖金!(北京上海)
  2. Linux(Contos7.5)环境搭建之Gitblit安装(三)
  3. 用Perl发送邮件小例子
  4. Excel批量导入数据库
  5. Linux文本查看命令之touch
  6. php 多线程处理redis,redis的多线程
  7. js实现手机端、pc端相应的跳转
  8. 我混了大半辈子,忽然成了拆二代
  9. C++ 数据类型转换详解之终极无惑
  10. C语言通过modf()函数实现小数分离
  11. 西门子博图怎么导入库文件_【傻瓜教程】博途中库的建立与使用方法(工控公开课 今晚8点 老地方 不见不散!)...
  12. html边界填充边框,CSS边界与填充
  13. 力天创见客流统计分析系统
  14. 顶级赛事!2021 CCF大数据与计算智能大赛重磅开赛!
  15. 最全长文详述“数字人民币简史”,揭开数字人民币神秘面纱
  16. LaTex 自动生成IEEE格式的参考文献
  17. uniapp切换中英文
  18. ev3和python哪个好_乐高教育EV3比SPIKE Prime更好的十个理由!
  19. 10G DWDM SFP+ Tunable可调光模块与常规DWDM光模块的区别
  20. 从leetcode1. 两数之和循序渐进(双指针,BST,哈希表)

热门文章

  1. 《github一天一道算法题》:插入排序
  2. 《降级论》《按时交作业的学生何以常穿脏袜子》读后感
  3. innodb_monitor
  4. Python使用pyserial进行串口通信
  5. bilibili深入理解计算机系统笔记(1):汇编模拟器能跑了
  6. 当前元素_90行代码,15个元素实现无限滚动
  7. 同步轨道进入过程_工业轨道运输车_液压升降型轨道平车的应用
  8. 如何在Panel中嵌入子窗体
  9. c语言交换a b(运算符),关于编程语言:是否有一个复合赋值运算符用于a = b
  10. 一秒等于多少毫秒_使用kibana对电影一秒钟影评数据测试,详述配图演示如何使用收藏了...