小土堆：Pytorch深度学习：卷积操作

今天学习卷积操作演示。

# 导入相关的库import torchimport torch.nn.functional as F
# 创建输入张量input = torch.tensor([    [1, 2, 0, 3, 1],    [0, 1, 2, 3, 1],    [1, 2, 1, 0, 0],    [5, 2, 3, 1, 1],    [2, 1, 0, 1, 1]])
# 创建卷积核张量kernel = torch.tensor([    [1, 2, 1],    [0, 1, 0],    [2, 1, 0]])
# 打印输入张量和卷积核张量的形状print(input.shape)print(kernel.shape)
# 将输入张量和卷积核张量进行形状变换input = torch.reshape(input, [1, 1, 5, 5])kernel = torch.reshape(kernel, (1, 1, 3, 3))
# 打印形状变换后的输入张量和卷积核张量形状print(input.shape)print(kernel.shape)
# conv2d(input,weight,bias=None,stride=1,padding=0,dilation=1,groups=1):# 这是PyTorch中的conv2d函数。参数的含义如下