深度学习与图像处理 - 卷积

深度学习与图像处理

提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加
例如：第一章 卷积

---

提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

一、Pytorch中函数torch.nn.Conv2d

二、参数解释

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

参数	参数类型
in_channels	int	Number of channels in the input image	输入图像通道数
out_channels	int	Number of channels produced by the convolution	卷积产生的通道数
kernel_size	(int or tuple)	Size of the convolving kernel	卷积核尺寸，可以设为1个int型数或者一个(int, int)型的元组。例如(2,3)是高2宽3卷积核
stride	(int or tuple, optional)	Stride of the convolution. Default: 1	卷积步长，默认为1。可以设为1个int型数或者一个(int, int)型的元组。
padding	(int or tuple, optional)	Zero-padding added to both sides of the input. Default: 0	填充操作，控制padding_mode的数目。
padding_mode	(string, optional)	‘zeros’, ‘reflect’, ‘replicate’ or ‘circular’. Default: ‘zeros’	padding模式，默认为Zero-padding 。
dilation	(int or tuple, optional)	Spacing between kernel elements. Default: 1	扩张操作：控制kernel点（卷积核点）的间距，默认值:1。
groups	(int, optional)	Number of blocked connections from input channels to output channels. Default: 1	group参数的作用是控制分组卷积，默认不分组，为1组。
bias	(bool, optional)	If True, adds a learnable bias to the output. Default: True	为真，则在输出中添加一个可学习的偏差。默认：True。

三、常见使用方式

1.特征图尺寸减半

代码如下（示例）：

#1.
Conv2d(kernel_size=(1, 1), stride=(2, 2), bias=False)   # k = 1,  s = 2,  p = 0

#2. 
Conv2d(kernel_size=(3, 3), stride=(2, 2), padding=(1, 1), bias=False)

#3.
Conv2d(kernel_size=(7, 7), stride=(2, 2), padding=(3, 3), bias=False)

#4.
MaxPool2d(kernel_size=3, stride=2, padding=1, dilation=1, ceil_mode=False)

2.特征图尺寸不变

代码如下（示例）：

#1.
Conv2d(kernel_size=(1, 1), stride=(1, 1), bias=False)   # k = 1,  s = 1,  p = 0

#2.
Conv2d(kernel_size=(3, 3), stride=(1, 1), padding=(1, 1), bias=False)  # k = 3, s = 1, p = 1

四、膨胀卷积