pytorch常用函数：torch.nn.Conv2d

最新推荐文章于 2024-02-20 23:24:26 发布

xingS1992

最新推荐文章于 2024-02-20 23:24:26 发布

阅读量157

点赞数

分类专栏： pytorch python 文章标签：卷积卷积神经网络

本文链接：https://blog.csdn.net/shengxing_stu/article/details/115317198

版权

python 同时被 2 个专栏收录

44 篇文章 0 订阅

订阅专栏

pytorch

9 篇文章 0 订阅

订阅专栏

torch.nn.Conv2d

参数有以下几个：in_channels,out_channels,kernel_size,stride,padding,
padding_mode,dilation,groups,bias

在这里插入图片描述

in_channels

（整数）输入图像的通道数

out_channels

（整数）输出图像的通道数

kernel_size

（整数或数组）卷积核的大小

stride

（整数或数组，整数）卷积的步长，默认为1

padding

（整数或者数组，正数）在输入两边进行0填充的数量，默认为0

dilation

（正数或数组，正数）卷积核元素之间的步幅，该参数可调整空洞卷积的空洞大小，默认为1

groups

（整数，正数）从输入通道到输出通道的阻塞连接数

bias

（布尔值，正数）bias=True则添加偏置，默认为True

例子

>>> # 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))
>>> input = torch.randn(20, 16, 50, 100)
>>> output = m(input)