Pytorch的padding值确定方法

问题描述：

pytoch中没有像tensorflow里面，卷积层的padding设置为same之类的操作。而且论文当中很多都不会写padding设置是多少。现在我来记录一下如何根据模型来计算出每个卷积层的padding值的设置。

---

一般来讲，根据卷积的原理，输入的大小和输出的大小之间的关系由如下公式表示：

out_size=(input_size - kernerl_size + 2*padding)/stride +1

---

在GitHub上我看到一个模型，标注了每个输入的size大小。可以很好的作为一个例子：

class NetD(nn.Module):
    def __init__(self):
        super(_NetD, self).__init__()

        self.features = nn.Sequential(
        
            # input is (3) x 96 x 96
            nn.Conv2d(in_channels=3, out_channels=64, kernel_size=3, stride=1, padding=1, bias=False),
            nn.LeakyReLU(0.2, inplace=True),

            # state size. (64) x 96 x 96
            nn.Conv2d(in_channels=64, out_channels=64, kernel_size=4, stride=2, padding=1, bias=False),            
            nn.BatchNorm2d(64),
            nn.LeakyReLU(0.2, inplace=True)