Conv2d()
torch.nn.Conv2d(in_channels,
out_channels,
kernel_size,
stride=1,
padding=0,
dilation=1,
groups=1,
bias=True)
MaxPool2d()
torch.nn.MaxPool2d(
kernel_size,
stride=None,
padding=0,
dilation=1,
return_indices=False,
ceil_mode=False)
kernel_size(int or tuple):max pooling的窗口大小;
stride(int or tuple, optional) :max pooling的窗口移动的步长。默认值是kernel_size;
padding(int or tuple, optional): 输入的每一条边补充0的层数;
dilation(int or tuple, optional) : 一个控制窗口中元素步幅的参数;
return_indices :如果等于True,会返回输出最大值的序号,对于上采样操作会有帮助;
ceil_mode : 如果等于True,计算输出信号大小的时候,会使用向上取整,代替默认的向下取整的操作。
InstanceNorm2d()
torch.nn.InstanceNorm2d(
num_features,
eps=1e-05,
momentum=0.1,
affine=False,
track_running_stats=False,
device=None,
dtype=None)
num_features:来自期望输入的特征数。
eps:为保证数值稳定性(分母不能趋近或取0),给分母加上的值,默认为1e-5。
momentum:动态均值和动态方差所使用的动量,默认为0.1。
affine:bool,当设为true,给该层添加可学习的仿射变换参数。
track_running_stats:bool,当设为true,记录训练过程中的均值和方差。