使用pytorch进行深度学习所需的函数

torch.nn.AdaptiveMaxPool2d(out_size):
功能:无论输入什么尺寸的张量，输出的尺寸大小均为out_size*out_size

torch.nn.Conv2D(in_channels,out_channels,kernel_size,stride,padding,bias)
功能:进行基本的卷积操作

torch.nn.ReLU():
功能：激活函数

torch.nn.ConvTranspose2d(in_channels,out_channels,kernel_size,stride,padding,bias)
功能：逆卷积，一种上采样的方式

torch.nn.BatchNorm2d(in_channels)
功能：批量归一化

torch.cat((x1,x2,x3),dim)
功能：在维度dim上对x1,x2,x3进行级联

torch.nn.Upsample(size,scale_factor,mode,align_corners)
功能：
size：根据不同的输入指定不同的输出大小
scale_factor：指定输出为输入的多少倍
mode：上采样的模式，分别可以是 ‘nearest’, ‘linear’, ‘bilinear’, ‘bicubic’ and ‘trilinear’. 默认使用’nearest’–对应‘最近邻’，‘线性’，‘双线性’，‘双三次’和‘三线性’。
align_corners：如果为True，输入的角像素将与输出张量对齐，因此将保存下来这些像素的值。仅当使用的算法为’linear’, 'bilinear’or 'trilinear’时可以使用。默认设置为False

若label为numpy：label = label[np.newaxis,…]
功能：对label在第一维度(1,2,3,…)进行扩展

未完待续。。。。