【深度学习笔记】PyTorch中的nn.Conv2d()卷积的参数解析

nn.Conv2d

• 二维卷积可以处理二维数据
• nn.Conv2d(self, in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True))

参数解析：

• in_channel:　输入数据的通道数，例RGB图片通道数为3；
• out_channel: 输出数据的通道数，这个根据模型调整；
• kennel_size: 卷积核大小，可以是int，或tuple；kennel_size=2,意味着卷积大小(2,2)， kennel_size=（2,3），意味着卷积大小（2，3）即非正方形卷积；
• stride：步长，默认为1，与kennel_size类似，stride=2,意味着步长上下左右扫描皆为2， stride=（2,3），左右扫描步长为2，上下为3；
• padding：零填充的行数

例子：
输入数据X[10,16,30,32],其分别代表：10组数据（batch_size），通道数为16（in_channel），高度为30（height），宽为32（width）