haiyanyanya的博客

全连接层的输入与输出为二维张量，一般形状为[batch_size, size]

“global pooling”就是pooling的 滑窗size 和整张feature map的size一样大。这样，每个 W × H × C 的feature map输入就会被转化为 1 × 1 × C 1\times 1\times C1×1×C 输出。参考：深度学习: global pooling (全局池化)_JNingWei的博客-CSDN博客_全局池化...

nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True，padding_mode='zero')in_channels：输入信号通道个数out_channels：输出信号通道个数kernel_size：卷积核的大小stride：步长padding：输入的每一条边补充0的层数dilation：卷积核默认的间距，默认为1groups：从