在 PyTorch 中,可以使用 nn.Conv2d
类来定义卷积层。示例代码如下:
import torch
import torch.nn as nn
# 定义卷积层,输入通道数为1,输出通道数为32,卷积核大小为8
conv = nn.Conv2d(1, 32, kernel_size=8)
# 定义 Batch Normalization 层
bn = nn.BatchNorm2d(32)
# 将卷积层和 Batch Normalization 层组成一个 Sequential 容器
model = nn.Sequential(conv, bn)
在这里,我们定义了一个卷积层,输入通道数为1,输出通道数为32,卷积核大小为8。然后定义了一个 Batch Normalization 层,输入通道数为32。最后,将卷积层和 Batch Normalization 层组成一个 Sequential 容器,这样就可以方便地对这两个层进行前向传播。