conv2d 公式_Pytorch 从0开始学（6）——Conv2d 详解

您是否在使用Conv2d时遇见问题了呢？

您是否还在以Conv2d(128， 256， 3)的方式简单使用这个最具魅力的layer呢？

想更了解Conv2d么？让我们一起来深入看看它的真容吧，让我们触到它更高端的用法。

在第5节中，我们已经使用了Linear层来构建模型。其来自于torch.nn中

首先，我们先对torch.nn 来个整体的认识。官方链接：

可以看到，在torch.nn下包含了我们模型的概念、一些常用层、损失函数等的定义。我们不一一详细说，只说我们刚开始操作时最经常用到的。今天我们从最常用的2维卷积层说起。

首先还是看官方文档对Conv2d的整体定义：

Conv2d，就是用来实现2d卷积操作的。要使用好这个类，我们先得搞清楚它的输入参数都是些啥？

in_channels —— 输入的channels数

out_channels —— 输出的channels数

kernel_size ——卷积核的尺寸，可以是方形卷积核、也可以不是，下边example可以看到

stride —— 步长，用来控制卷积核移动间隔

padding ——输入边沿扩边操作

padding_mode ——扩边的方式

bias ——是否使用偏置(即out = wx+b中的b)

以上参数，均是大家了解相对较多的参数项目。

dilation —— 这个参数简单说，设定了取数之间的间隔，下图可表达其意思

dilation