带有dilation的conv卷积输出尺寸的计算公式

对于conv卷积输出尺寸的计算公式：

在pytorch中二维卷积函数定义如下：

其卷积后输出尺寸计算公式如下：

$w_{out}=\frac{w_{in}+2\ast \text{padding }-F}{\text{stride}}+1$

其中$w_{in}$代表输入图像尺寸，$w_{out}$代表输出图像尺寸，padding代表补0的数目，stride代表步长，F代表卷积核的尺寸。

一般，默认的dilation为1，就是普通的卷积操作，如果dilation大于1，表示此时进行空洞卷积，那么这时的卷积之后输出尺寸如何计算？

首先，将空洞卷积的卷积核进行等效成一个等效卷积核的尺寸大小，然后将此等效卷积核的尺寸带入上式的F即可。

这里，空洞卷积的等效卷积核大小尺寸计算公式如下：

$K=k+(k-1)\ast (r-1)$

其中，$K$代表等效卷积核尺寸，$k$代表实际卷积核尺寸，而$r$代表dilation，空洞卷积的参数。

import torch
import torch.nn as nn

m = nn.Sequential(
        nn.Conv2d(1,1,3,stride=1, padding=0, dilation=3),
        )

n = nn.Sequential(
        nn.Conv2d(1,1,3,stride=1, padding=0, dilation=1)
        )

a = torch.randn(1,1,10,10)
print('a.size=',a.size())

b = m(a)
#print('b=',b)
print('b.size=',b.size())

c = n(a)
#print('c=',c)
print('c.size=',c.size())

输出结果如下：

a.size= torch.Size([1, 1, 10, 10])
b.size= torch.Size([1, 1, 4, 4])
c.size= torch.Size([1, 1, 8, 8])

可以带入上述公式计算验证。