【PyTorch】torch.nn.Conv2d 类：二维卷积层（2D Convolutional Layer）

torch.nn.Conv2d

torch.nn.Conv2d 是 PyTorch 二维卷积层（2D Convolutional Layer） 的实现，主要用于 计算机视觉任务（如图像分类、目标检测等），可以提取 空间特征 并 增强模型的表示能力。

---

1. torch.nn.Conv2d 语法

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

参数	说明
in_channels	输入通道数（灰度图像=1，RGB图像=3）
out_channels	卷积核的数量（输出通道数）
kernel_size	卷积核大小（如 3 或 (3,3)）
stride	步长（默认 1，控制卷积核滑动的步幅）
padding	填充（如 1，保持输入输出尺寸一致）
dilation	空洞卷积（控制卷积核的扩张间隔）
groups	组卷积（groups=1 为标准卷积）
bias	是否使用偏置项（默认 True）
padding_mode	填充模式（zeros, reflect, replicate, circular）

---

2. 示例：定义基本 Conv2d

import torch
import torch.nn as nn

# 定义 2D 卷积层
conv = nn.Conv2d(in_channels=3, out_channels=16, kernel_size=3, stride=1, padding=1)

# 假设输入为 (batch_size=1, channels=3, height=32, width=32)
input_tensor = torch.randn(1, 3, 32, 32)

# 计算输出
output = conv(input_tensor)
print(output.shape)  # 输出: torch.Size([1, 16, 32, 32])

解析

• in_channels=3（输入通道数，RGB 图像）。
• out_channels=16（16 个卷积核，输出通道数）。
• kernel_size=3（使用 3x3 卷积核）。
• padding=1（保持尺寸不变，即 H_out = H_in）。
• stride=1（步长为 1，逐像素滑动）。
• 输出形状 (1, 16, 32, 32)，表示：
  • 1 是 batch_size。
  • 16 是输出通道数（16 个卷积核）。
  • 32 × 32 是特征图大小。

---

3. 计算卷积输出尺寸

卷积输出尺寸计算公式：
$$H_{\text{out}}=\frac{H_{\text{in}}+2P-K}{S}+1$$
$$W_{\text{out}}=\frac{W_{\text{in}}+2P-K}{S}+1$$
其中：

• $H_{\text{in}},W_{\text{in}}$ 是输入特征图的高宽。
• $P$ 是填充（padding）。
• $K$ 是卷积核大小（kernel_size）。
• $S$ 是步长（stride）。

---

4. padding 和 stride 的作用

示例 1：默认 padding=0

conv = nn.Conv2d(in_channels=3, out_channels=16, kernel_size=3, stride=1, padding=0)
input_tensor = torch.randn(1, 3, 32, 32)
output = conv(input_tensor)
print(output.shape)  # torch.Size([1, 16, 30, 30])

• 由于 padding=0，输出尺寸 变小。

---

示例 2：padding=1（保持尺寸不变）

conv = nn.Conv2d(3, 16, kernel_size=3, stride=1, padding=1)
input_tensor = torch.randn(1, 3, 32, 32)
output = conv(input_tensor)
print(output.shape)  # torch.Size([1, 16, 32, 32])

• padding=1 确保输入输出 尺寸相同。

---

示例 3：stride=2（步长 2，降采样）

conv = nn.Conv2d(3, 16, kernel_size=3, stride=2, padding=1)
input_tensor = torch.randn(1, 3, 32, 32)
output = conv(input_tensor)
print(output.shape)  # torch.Size([1, 16, 16, 16])

• stride=2 使输出尺寸 缩小为 1/2。

---

5. dilation（空洞卷积）

dilation 控制卷积核的 扩张间隔，适用于 感受野增大 的任务（如目标检测）。

conv = nn.Conv2d(3, 16, kernel_size=3, stride=1, padding=2, dilation=2)
input_tensor = torch.randn(1, 3, 32, 32)
output = conv(input_tensor)
print(output.shape)  # torch.Size([1, 16, 32, 32])

• dilation=2 扩大了感受野，但 保持输出尺寸不变。

---

6. groups（组卷积）

groups > 1 用于 分组卷积（Grouped Convolution），如 MobileNet。

conv = nn.Conv2d(in_channels=8, out_channels=16, kernel_size=3, groups=2)
input_tensor = torch.randn(1, 8, 32, 32)
output = conv(input_tensor)
print(output.shape)  # torch.Size([1, 16, 30, 30])

• groups=2 将输入通道分为 2 组，每组独立执行卷积。

---

7. 适用场景

• CNN 图像分类（如 ResNet, VGG, EfficientNet）
• 目标检测（如 YOLO, Faster R-CNN）
• 语义分割（如 U-Net, DeepLabV3）
• 风格迁移、超分辨率（如 SRGAN）

---

8. 结论

• torch.nn.Conv2d 是 PyTorch 处理图像的核心组件。
• padding=1 保持尺寸，stride=2 进行降采样。
• dilation 增大感受野，groups 实现分组卷积。
• 适用于 CNN、目标检测、语义分割等任务。

正确理解 Conv2d 参数对于 优化 CNN 结构 至关重要。