深度学习——卷积层(pytorch)

1. CONV1D

torch.nn.Conv1d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True, padding_mode='zeros', device=None, dtype=None)

参数：

• in_channels( int )：输入图像中的通道数
• out_channels( int )：卷积产生的通道数
• kernel_size(int or tuple)：卷积核的大小
• stride(int or tuple , optional)：卷积的步幅。默认值：1
• padding(int , tuple or str , optional)：填充添加到输入的两边。默认值：0
• padding_mode(string , optional)：‘zeros’, ‘reflect’, ‘replicate’或’circular’。默认：‘zeros’
• dilation(int or tuple , optional)：内核元素之间的间距。默认值：1
• groups(int , optional)：从输入通道到输出通道的阻塞连接数。默认值：1
• bias(bool, optional)：如果True，则向输出添加可学习的偏差。默认：True

2. CONV2D

torch.nn.Conv2d( in_channels , out_channels , kernel_size , stride=1 , padding=0 , dilation=1 , groups=1 , bias=True , padding_mode='zeros' , device=None , dtype=None )

参数：

• in_channels(int)：输入图像中的通道数
• out_channels(int)：卷积产生的通道数
• kernel_size(int or tuple)：卷积核的大小
• stride(int or tuple , optional)：卷积的步幅。默认值：1
• padding(int , tuple or str , optional)：填充添加到输入的所有四个边。默认值：0
• padding_mode(string , optional)：‘zeros’, ‘reflect’, ‘replicate’或’circular’。默认：‘zeros’
• dilation(int or tuple , optional)：内核元素之间的间距。默认值：1
• groups(int , optional)：从输入通道到输出通道的阻塞连接数。默认值：1
• bias(bool, optional)：如果True，则向输出添加可学习的偏差。默认：True

3. CONV3D

torch.nn.Conv3d( in_channels , out_channels , kernel_size , stride=1 , padding=0 , dilation=1 , groups=1 , bias=True , padding_mode='zeros' , device=None , dtype=None )

参数：

• in_channels(int)：输入图像中的通道数
• out_channels(int)：卷积产生的通道数
• kernel_size(int or tuple)：卷积核的大小
• stride(int or tuple , optional)：卷积的步幅。默认值：1
• padding(int , tuple or str , optional)：填充添加到输入的所有六个边。默认值：0
• padding_mode(string , optional)：‘zeros’, ‘reflect’,‘replicate’或’circular’。默认：‘zeros’
• dilation(int or tuple , optional)：内核元素之间的间距。默认值：1
• groups(int , optional)：从输入通道到输出通道的阻塞连接数。默认值：1
• bias(bool, optional)：如果True，则向输出添加可学习的偏差。默认：True