【pytorch】卷积层输出尺寸的计算公式和分组卷积的weight尺寸的计算

参考链接,我真的觉得看官网就是最棒的参考!清清楚楚,明明白白

https://pytorch.org/docs/master/generated/torch.nn.Conv2d.html#torch.nn.Conv2d

 

# 测试一下输出尺寸

# With square kernels and equal stride
m = nn.Conv2d(16, 33, 3, stride=2)
# non-square kernels and unequal stride and with padding
# m = nn.Conv2d(16, 33, (3, 5), stride=(2, 1), padding=(4, 2))
# non-square kernels and unequal stride and with padding and dilation
# m = nn.Conv2d(16, 33, (3, 5), stride=(2, 1), padding=(4, 2), dilation=(3, 1))

print(m.weight.data.size())
input = torch.randn(20, 16, 50, 100)
output = m(input)
print(output.shape)
m = nn.Conv2d(16, 33, 3, stride=2) ====>

torch.Size([33, 16, 3, 3])
torch.Size([20, 33, 24, 49])

 

m = nn.Conv2d(16, 33, (3, 5), stride&
  • 0
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值