关于pytorch中卷积使用的一些总结(包括nn.conv2d,nn.maxpool2d)

本文总结了PyTorch中nn.Conv2d和nn.MaxPool2d的使用,包括参数解释,如stride、padding、dilation等,并提到了转置卷积、绝对值函数以及nn.Embedding的数据类型要求。
摘要由CSDN通过智能技术生成

太久没写代码,感觉各种函数不熟悉。以此贴作为今天的记录。

首先是pytorch中的卷积 nn.Conv2d

我们可以查看官方文档。

nn.Conv2d 输入信号的形式为(N,Cin,H,W),N表示batch size,Cin​表示channel个数,H,W分别表示特征图的高和宽。

参数说明:

    stride(步长):控制cross-correlation的步长,可以设为1个int型数或者一个(int, int)型的tuple。

    padding(补0):控制zero-padding的数目。

    dilation(扩张):控制kernel点(卷积核点)的间距; 也被称为 "à trous"算法. 可以在此github地址查看:Dilated convolution animations

    groups(卷积核个数):这个比较好理解,通常来说,卷积个数唯一,但是对某些情况,可以设置范围在1 —— in_channels中数目的卷积核:

class torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True)


参数kernel_sizestride,paddingdilation也可以是一个int的数据,此时卷积height和width值相同;也可以是一个tuple

评论 7
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