pytorch基础（十）---------卷积层

一、卷积

卷积运算：卷积核在输入图像上滑动，相应位置上进行对应位置相乘再相加
卷积核：又称为滤波器，可以认为是某种模式，某种特征
卷积过程类似于用一个模板去图像上寻找与它相似的区域，与卷积核模式越相似，激活值越高，从而实现特征提取

二、卷积----nn.Conv2d()

nn.Conv2d(in_channels, out_channels,kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True, padding_mode=‘zero’)

功能：对多个二维信号进行二维卷积
主要参数：
in_channels：输入的通道数
out_channels：输出通道数，等价于卷积核的个数
kernel_size：卷积核的尺寸
stride：步长
padding：补边
dilation：空洞卷积的大小，通常用于图像分割
groups：分组卷积的设置，通常用于图像轻量化
bias：偏置

三、转置卷积----nn.ConvTranspose

转置卷积又称为部分跨域卷积，用于对图像进行上采样

nn.ConvTranspose2d(in_channels, out_channels,kernel_size, stride=1, padding=0, output_padding=0, dilation=1, groups=1, bias=True, padding_mode=‘zero’)

功能：转置卷积实现上采样，即扩大输入图像的尺寸
主要参数：
in_channels：输入的通道数
out_channels：输出通道数，等价于卷积核的个数
kernel_size：卷积核的尺寸
stride：步长
padding：补边
dilation：空洞卷积的大小，通常用于图像分割
groups：分组卷积的设置，通常用于图像轻量化
bias：偏置

转置卷积的尺寸计算$out=(in-1)\ast stride+kernel$