前言
pytorch中用nn.Module实现卷积操作总共有3种Conv1d, Conv2d, Conv3d
而这三种方式只是卷积核在不同的维度上进行卷积的结果,基本参数一致,这里以Conv2d为例进行介绍。
nn.Conv2d(in_channels, out_ channels, kernel_ size, stride=1, padding=0, dilation=1, groups=1, bias=True, padding_mode=’ zeros’)
功能:对多个二维信号进行二维卷积
主要参数:
in channels: 输入通道数
out channels:输出通道数,等价于卷积核个数
kernel size: 卷积核尺寸
stride:步长
padding :填充个数
dilation:空洞卷积大小
groups:分组卷积设置
bias: 偏置
尺寸计算:
完整计算公式: