pytorch之卷积神经网络nn.conv2d

pytorch之卷积神经网络nn.conv2d

卷积网络最基本的是卷积层，使用使用Pytorch中的nn.Conv2d类来实现二维卷积层，主要关注以下几个构造函数参数：

nn.Conv2d(self, in_channels, out_channels, kernel_size, stride, padding,bias=True))
参数：
in_channel:　输入数据的通道数；
out_channel: 输出数据的通道数，这个根据模型调整；
kennel_size: 卷积核大小；kennel_size=3,表示卷积大小(3,3)， kennel_size=（3,5），表示卷积大小为非正方形核（3，5）；
stride：步长，默认为1，与kennel_size类似，stride=3,表示上下左右移动步长均为3，stride=（3,5），表示左右移动步长是3，上下移动步长是4；
padding：默认是0填充
bias：默认是True，True表示含有偏置项

下面举一个简单例子：

import torch as t
import torch.nn as nn
print(t.__version__)
X = t.rand(4, 2, 3, 5)
print(X.shape)
conv2d = nn.Conv2d(in_channels=2, out_channels=3, kernel_size=3, stride=1, padding=2)
Y = conv2d(X)
print('Y.shape: ', Y.shape)
print('weight.shape: ', conv2d.weight.shape)
print('bias.shape: ', conv2d.bias.shape)

结果：
1.2.0
torch.Size([4, 2, 3, 5])
Y.shape:  torch.Size([4, 3, 5, 7])
weight.shape:  torch.Size([3, 2, 3, 3])
bias.shape:  torch.Size([3])