Pytorch中卷积对于边界的填充和移动步幅的设置

填充：

通常，如果我们添加pℎ行填充（大约一半在顶部，一半在底部）和pw列填充（左侧大约一半，右侧一半），则输出形状将为 (nh-kh + ph +1) * (nw - kw + pw +1)

所以说要是输入与输出具有相同的高度和宽度，就需要使ph = kh-1; 然后再左右、上下所填充的行数或者列数是 [ph/2]取整；

看一个例子：

import torch
from torch import nn
from d2l import torch as d2l

def comp_conv2d(conv2d,X):

    #shape 是属性不是函数；
    X=X.reshape((1,1) + X.shape) #(1,1)是大小和通道数；
    Y=conv2d(X) #带有通道数和大小的Y
    print(Y.shape) #torch.Size([1, 1, 8, 8])
    return Y.reshape(Y.shape[2:]) #去掉大小和通道数，然后reshape

conv2d=nn.Conv2d(1,1,kernel_size=3,padding=1) #padding=1 说明上下左右都各自添加了1行或者一列；
X=torch.rand((8,8)) #设置X的大小
print(comp_conv2d(conv2d,X).shape) #得到Y的shape

print("=====================================")
#重新设置padding的大小，使输入与输入的大小不变化；
conv2d2=nn.Conv2d(1,1,kernel_size=(5,3),padding=(2,1)) #ph=4，pw=2
print(comp_conv2d(conv2d2,X).shape)

输出结果：

torch.Size([1, 1, 8, 8])
torch.Size([8, 8])
=====================================
torch.Size([1, 1, 8, 8])
torch.Size([8, 8])

第二个conv2d的使用， 因为ph=5-1 =4 ; pw =3-1 =2;所以是上下填充2行，左右填充1行。

padding=(2,1)

步幅

对于步幅的使用：通常输出的大小为：(nh/sh) * （nw/sw）