深度学习（八）卷积神经网络卷积层里的填充和步幅 pytorch新手入门及常见问题解决

最新推荐文章于 2024-10-09 00:00:00 发布

浮云白日303

最新推荐文章于 2024-10-09 00:00:00 发布

阅读量358

点赞数 8

文章标签：深度学习 cnn pytorch 学习人工智能神经网络 python

本文链接：https://blog.csdn.net/m0_68737530/article/details/135720746

版权

import  torch
from torch import nn

def c_conv2d(conv2d,x):
    x= x.reshape((1,1)+x.shape)#增加批量大小和通道数
    y = conv2d(x)
    return y.reshape(y.shape[2:])##返回y矩阵

conv2d = nn.Conv2d(1,1,kernel_size=3,padding=1)##两边各填充1列
x=torch.rand(size=(8,8))
# print(c_conv2d(conv2d,x).shape)

conv2d = nn.Conv2d(1,1,kernel_size=(3,5),padding=(1,2))
x=torch.rand(size=(8,8))
# print(c_conv2d(conv2d,x).shape)

conv2d = nn.Conv2d(1,1,kernel_size=3,padding=1,stride=2)##步幅为2
x=torch.rand(size=(8,8))
# print(c_conv2d(conv2d,x).shape)

conv2d = nn.Conv2d(1,1,kernel_size=(3,5),padding=(0,1),stride=(3,4))#(8-5+1*2+4)/4 = 2取整
x=torch.rand(size=(8,8))
print(c_conv2d(conv2d,x).shape)