nn.MaxPool2d()的kernel_size为tuple用法

https://blog.csdn.net/qq_40210472/article/details/87895626

1. nn.Conv2d

nn.Conv2d 输入信号的形式为(N, Cin, H, W), N表示batch size，Cin​表示channel个数，H，W分别表示特征图的高和宽。

参数说明：

• stride(步长)：控制cross-correlation的步长，可以设为1个int型数或者一个(int, int)型的tuple。

• padding(补0)：控制zero-padding的数目。

• dilation(扩张)：控制kernel点（卷积核点）的间距;

• groups(卷积核个数)：这个比较好理解，通常来说，卷积个数唯一，但是对某些情况，可以设置范围在1 —— in_channels中数目的卷积核：

class torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True)