003-2D卷积（nn.Conv2d）和3D卷积（nn.Conv3d）的介绍与对比

2D卷积（nn.Conv2d）和3D卷积（nn.Conv3d）的介绍与对比

nn.Conv2d 和 nn.Conv3d 是 PyTorch 中用于实现二维和三维卷积层的类。它们在处理不同维度的数据时非常有用，例如图像和视频。

一、nn.Conv2d

nn.Conv2d 用于二维卷积操作，通常用于处理图像数据。其输入通常是形状为 (batch_size, channels, height, width) 的四维张量。（B,C,H,W)

参数

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

• in_channels：输入通道数，例如 RGB 图像的输入通道数为 3,灰度图像的输入通道数为1。
• out_channels：输出通道数，即卷积核的数量。
• kernel_size：卷积核的大小，可以是单个整数或元组 (height, width)。
• stride：卷积操作的步幅，默认为 1。
• padding：输入的边缘填充，默认为 0。
• dilation：卷积核元素之间的间距，默认为 1。
• groups：分组卷积的组数，默认为 1。
• bias：是否添加偏置项，默认为 True。
• padding_mode：填充模式，默认为 ‘zeros’。

示例

import torch
import torch.nn as nn

conv2d = nn.Conv2d(in_channels=3, out_channels=16, kernel_size=3, stride=1, padding=1)
input_tensor = torch.randn(1, 3, 32, 32)  # (batch_size, channels, height, width)
output_tensor = conv2d(input_tensor)
print(output_tensor.shape)  # 输出形状为 (1, 16, 32, 32)

2. nn.Conv3d

nn.Conv3d 用于三维卷积操作，通常用于处理视频数据或三维体数据。其输入通常是形状为 (batch_size, channels, depth, height, width) 的五维张量。（B,C,D,W,H)

参数

nn.Conv3d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True, padding_mode='zeros')

• in_channels：输入通道数。
• out_channels：输出通道数。
• kernel_size：卷积核的大小，可以是单个整数或元组 (depth, height, width)。
• stride：卷积操作的步幅，默认为 1。
• padding：输入的边缘填充，默认为 0。
• dilation：卷积核元素之间的间距，默认为 1。
• groups：分组卷积的组数，默认为 1。
• bias：是否添加偏置项，默认为 True。
• padding_mode：填充模式，默认为 ‘zeros’。

示例

import torch
import torch.nn as nn

conv3d = nn.Conv3d(in_channels=1, out_channels=16, kernel_size=(3, 3, 3), stride=1, padding=1)
input_tensor = torch.randn(1, 1, 10, 32, 32)  # (batch_size, channels, depth, height, width)
output_tensor = conv3d(input_tensor)
print(output_tensor.shape)  # 输出形状为 (1, 16, 10, 32, 32)

三、总结

• nn.Conv2d 适用于二维数据（如图像），其卷积核在高度和宽度两个维度上滑动。
• nn.Conv3d 适用于三维数据（如视频或体数据），其卷积核在深度、高度和宽度三个维度上滑动。

这两个类在处理不同类型的数据时非常有用，可以根据具体任务选择合适的卷积层。