MindSpore算子笔记-nn.conv2d

背景

nn.conv2d是卷积神经网络中最重要的成员，由Lecun等AI大神在1998年的论文中首次提出，其基本原理是对一个传入格式为(N,C_in,H_in,W_in)的四维张量根据设定长宽的卷积核在H_in和W_in维进行2d卷积运算，求解出卷积结果后，移动设定的步长再次执行卷积，依次计算得到所有位置的结果。具体实现可参考论文：http://vision.stanford.edu/cs598_spring07/papers/Lecun98.pdf

nn.Conv2d参数介绍

in_channels（int）—输入通道C_in的数量。

out_channels（int）—输出通道C_out的数量。

kernel_size（Union[int，tuple[int]]）—数据类型为int或tuple，需为整数。指定二维卷积窗口的高度和宽度。单个int表示卷积核的高度和宽度的值如果是一个包含2个整数的元组，意味着第一个值代表卷积核的高度，另一个表示卷积核的宽度。

stride（Union[int，tuple[int]]）—卷积核移动的距离，单个int表示移动的高度和宽度都是int，两个int数组成的元组分别表示移动的高度和宽度。默认值：1。

pad_mode (str) —指定填充模式。可选值为“same”、“valid”、“pad”。默认值：“same”。

– same：采用补全方式。输出的高度和宽度将与输入的高度和宽度相同。将计算水平和垂直方向的填充总数，并在可能的情况下均匀分布到顶部和底部，左侧和右侧。否则，最后的额外填充将从底部和右侧开始。如果设置了此模式，则填充必须为0。

– valid：采用丢弃方式。输出的可能最大的高度和宽度将返回而无需填充。多余的像素将被丢弃。如果设置了此模式，则填充必须为0。

– pad：输入两侧的隐式填充。填充数量将填充到输入张量边界。填充值应大于或等于0。

padding（int）–输入两侧的隐式填充，当模式为pad时生效。默认值：0

dilation（Union [int，tuple [int]]）–数据类型为int或具有2个整数的元组。指定用于膨胀卷积的膨胀率。如果设置为k> 1，则每个采样位置将跳过k-1个像素。其值应大于或等于1，并以输入的高度和宽度为边界。默认值：1。

group（int）–将过滤器分为几组，in_channels和out_channels应该被组数整除。默认值：1。

has_bias（bool）–指定图层是否使用偏差矢量。默认值：False。

weight_init（Union [Tensor，str，Initializer，numbers.Numb