pytorch中的nn.Conv2d

nn.Conv2d

卷积层的类参数如下：

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

图1 示例

如果我们要实现这样完成图1功能的模块，要怎么搭建？

---

先看一下卷积层的参数：

① in_channels为卷积层输入通道数（上图为3），out_channels为输出的通道数（上图为64），kernel_size为卷积层的卷积核大小（上图为7），padding为填充的长度（会在input两边每边填padding长度），stride为卷积核移动的步长（上图为2）。

② dilation为空洞卷积的参数，表示卷积核中两两卷积点插入（dilation-1）个空白，默认为1即不插入，如果是3X3卷积核，设置dilation为2，则卷积核大小变为5X5，见下图 。更多详情可见 如何理解空洞卷积（dilated convolution）？

图2 空洞卷积示意 图源1

③ groups为分组卷积的参数。作用就是将输入的通道数分为groups组，每个组内与各自的卷积核卷积得到各自的输出，最后将输出合并在一起。

图3 分组卷积示意 图源2

用图3来分析，假设卷积核大小为3，如果要从12个channels变成6个channels，卷积层需要6个 12通道3×3大小的卷积核，即该卷积层的权重shape=（6,12,3,3）,偏置shape为6（默认bias=True），该层参数量为(out_channels×in_channels×kernel_size[0]×kernel_size[1]+out_channels)=(6×12×3×3+6)。
如果设置groups=3（in_channels和out_channels必须能被groups整除），则一组内有4（in_channels/groups）个channel，而组内需要输出2（out_channels/groups）个输出channel,因此卷积层的参数量为(3×2×4×3×3+6）。

下面是示例代码：

layer=nn.Conv2d(12,6,3,1,groups=1)
for name,x in layer.named_parameters():
    print(name,type(x),x.size())

图4 左为groups=1，右为groups=3的卷积层参数

顺便提一嘴，卷积层的权重weight形状为(out_channels,in_channels/groups,kernel_size[0],kernel_size[1]),bias形状为(out_channels)， 用分组卷积的卷积层的weight参数量是原来卷积层的1/groups 。

---

根据 图1，不使用空洞卷积（即dilation==1）的情况下，该部分输出的size（76,47）为（304,228）的1/4，又卷积和池化stride=2,因此卷积层要让输入size从（304,228）变成（152,114），池化层要让它从（152,114）变成（76,57）.根据卷积计算公式

，可以计算得到卷积层paddng=3，池化层padding=1。下面是搭完整个模块的代码：

至于bias为什么为False,因为后面有批归一化操作。令卷积层输出结果y=wx+b,y作为BatchNorm层的输入x,见图5第3步，分子部分：输入减去输入的均值，偏置消掉了，分母部分：方差不受偏置b的影响。（不懂请自己补充概率论相关知识）
所以卷积层后若加BatchNorm，最好是不设置偏置。

图5 批归一化部分过程

Reference

图源：

---

1. vdumoulin/conv_arithmetic ↩︎

2. Group Convolution 分组卷积 ↩︎