Pytorch框架

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。

---

---

---

AdaptiveAvgPool2d()