一文详细描述Paddle的Conv2d使用方法

最新推荐文章于 2023-04-09 12:24:50 发布

TC.Long

最新推荐文章于 2023-04-09 12:24:50 发布

阅读量4.2k

点赞数 3

文章标签：深度学习

本文链接：https://blog.csdn.net/tanggebai0654/article/details/107641132

版权

本文介绍了Paddle中Conv2d的使用方法，包括主要参数如num_channels, num_filters, filter_size等，并与TensorFlow和PyTorch进行了对比。尽管Paddle的参数命名与两者有所不同，但其功能全面，支持dilation和groups等。在模型构建时，Paddle可通过继承Layer构建网络，如AlexNet。" 117028196,9490091,Salesforce变更管理实践与总结,"['CRM', ' Salesforce开发', '企业应用', '变更实施', '软件部署']

摘要由CSDN通过智能技术生成

最近在学习Paddle，使用过程中有了些许的理解，所以把这部分内容记录下来，分享给大家，如果有问题也可以留言一起探讨~

进入正文部分，Paddle下Conv2d这个API的使用说明，首先来看一下Conv2d的声明部分：

paddle.fluid.dygraph.Conv2D(num_channels, num_filters, filter_size, \
stride=1, padding=0, dilation=1, groups=None, param_attr=None, \
bias_attr=None, use_cudnn=True, act=None, dtype='float32')

主要参数如下：

num_channels：输入的通道数，这个没什么好讲的；
num_filters：卷积核的数目，也就是输出的通道数，这里torch是out_channels，而TF则是filters，各不相同，各位同学使用的时候要注意下；
filter_size：卷积核的大小，可以是int或者是tuple，int就是卷积核长和宽一致，而tuple则是两个int组成，第一个表示卷积核的长，第二个表示卷积核的宽，这里，TF和torch保持了一致，都是kernel_size，不知道paddle为什么这样子设计；
stride：步长，卷积核的步长，和torch一样，TF是复数形式strides；
padding：填充大小，