pytorch 中nn.Conv2d 默认向下取整

于 2024-02-20 09:56:04 发布
阅读量414 收藏 8
点赞数 7
文章标签： pytorch 人工智能 python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_46636238/article/details/136183273
版权

卷积后的输出大小计算公式为：N=(W-F+2P)/S+1

W为输入数据的高或宽，F是卷积核大小，P是padding的数目，S是步距，N为输出数据的高或宽

当这个公式计算出为小数时，比如W=10 ，F=5 ，P=1，S=2，则N为4.5 ， 即高或宽为4.5， 实际

在pytorch的输出中，高或宽为4.

从官网上查看公式：

而⌊x⌋为向下取整符号   ⌈x⌉为向上取整符号

参考：http://t.csdnimg.cn/F5JwI

琪琪花
关注
Pytorch框架之ceil/floor 取整方法
笔岸柳影
10-30 1万+
pytorch的ceil与floor取整
Python: 向上向下取整
小小臭臭的博客
06-08 743
import math def deal_num(num): num_up = math.ceil(num) num_down = math.floor(num) print(num_up, num_down) return num_up, num_down deal_num(-2.5)
Pytorch中的取整和取余的运算
weixin_43869605的博客
08-23 5488
案例： import torch a = torch.rand(2, 2).mul_(10) print(a) print(torch.floor(a)) # 向下取整 print(torch.ceil(a)) # 向上取整 print(torch.round(a)) # 四舍五入 print(torch.frac(a)) # 取小数部分 """ tensor([[7.8476, 0.2960], [8.8300, 6.9507]]) tensor([[7., 0.]
机器学习PyTorch——1.基本运算
qq_52914337的博客
01-08 1742
一.加减乘除 （1）在pytorch中，既可以使用基本的：+，-，*，/，运算符号进行计算，也可以使用pytorch的内置计算函数：add，sub，mul，div。需要注意的是，pytorch中的tensor再进行计算时，会自动进行维度的转换。例如： 这里在进行加运算前，将b已经进行维度转换为[3,4]。 （2）我们这里来看一下内置函数的使用： 这里我们需要注意，这里的运算结果，和直接使用符号进行运算是一样的，我们可以用 eq（）来进行一下验证： 二.矩阵相乘 （1）使用 to.
pytorch数学运算与统计属性入门（非常易懂）
weixin_30646315的博客
09-24 311
pytorch数学运算与统计属性入门1、Broadcasting (维度)自动扩展,具有以下两个重要特征：(1)expand (2)without copying data重点的核心实现功能是：(1)在前面增加缺失的维度(2)将其中新增加的维度的size扩展到需要相互运算的tensor维度的same size 图12、broadcasting自动扩展=unsqueeze(增加维度)...
pytorch nn.Conv2d()中的padding以及输出大小方式
09-18
在PyTorch中，`nn.Conv2d()`是用于创建二维卷积层的类，它是深度学习模型构建中常用的基本组件。卷积层通过在输入数据上应用一系列滤波器（或称权重）来提取特征，这些滤波器通常具有一定的尺寸（kernel_size）、...
pytorch之torch.nn.Conv2d()函数详解
夏普通
07-09 20万+
文章目录一、官方文档介绍二、torch.nn.Conv2d()函数详解参数详解参数dilation——扩张卷积（也叫空洞卷积）参数groups——分组卷积三、代码实例 一、官方文档介绍 官网 nn.Conv2d：对由多个输入平面组成的输入信号进行二维卷积 二、torch.nn.Conv2d()函数详解 参数详解 torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=
pytorch基操03-取整取余操作
Demon_LMMan的博客
03-12 5381
import torch torch.manual_seed(1234) a=torch.empty(size=(2,3)).normal_(10,10) print('original :',a) # 向下取整 print('floor :',torch.floor(a)) # 向上取整 print('ceil :',torch.ceil(a)) # 四舍五入 print('round :',torch.round(a)) # 只取整数 print('trunc :',torch.trunc(a))
Pytorch常用的函数(三)深度学习中常见的卷积操作详细总结
最新发布
qq_44665283的博客
06-29 3053
Pytorch常用的函数(三)深度学习中常见的卷积操作详细总结
Pytorch中的Conv1d()和Conv2d()函数
潘多拉星系的专栏
10-21 2万+
文章目录一、Pytorch中的Conv1d()函数二、Pytorch中的Conv2d()函数三、Pytorch中的MaxPool1d()函数四、pytorch中的MaxPool2d()函数参考资料 一、Pytorch中的Conv1d()函数 class torch.nn.Conv1d( in_channels, out_channels, kernel_size, strid...
python 实现四舍五入，向上取整、向下取整
qq_38120851的博客
07-18 2万+
python四舍五入
Pytorch conv2d 关于输入输出尺寸的介绍
test
03-05 1万+
本来不是啥比较难的东西，因为没怎么用，又忘记了，放在这儿，做个备忘！！input     w*houtput   wo*hofilter   FPadding  Pstride    Swo = (w - F + 2*P)/S +1
关于pytorch中卷积使用的一些总结（包括nn.conv2d,nn.maxpool2d）
真的是个瘦子
02-23 3万+
太久没写代码，感觉各种函数不熟悉。以此贴作为今天的记录。 首先是pytorch中的卷积 nn.Conv2d 我们可以查看官方文档。 nn.Conv2d 输入信号的形式为(N,Cin,H,W),N表示batch size，Cin​表示channel个数，H，W分别表示特征图的高和宽。 参数说明： stride(步长)：控制cross-correlation的步长，可以设为1个int...
PyTorch笔记 - Convolution卷积运算的原理 (3)
Mystra
08-10 751
矩阵和矩阵相乘，转换为行向量和列向量相乘，即 输入矩阵9个行向量 x kernel的列向量。用原始的矩阵运算来实现二维卷积, 考虑batchsize维度和channel维度, 4维。卷积操作包括5个参数：input、kernel、bias、stride、padding。与输入矩阵尺寸相同，填充kernel为0，计算矩阵相乘，转置卷积。flatten input版本：对比与直接矩阵相乘，torch.reshape() 操作。torch.numel() 操作。操作，多维向量变成1维向量。...
Python 之 向上取整、向下取整、四舍五入函数
Nick Blog
03-14 3648
1. 向上取整 import math f = 11.2 print math.ceil(f) #向上取整 out：12.0 # 返回结果是浮点型 2.向下取整 import math f = 11.2 print math.floor(f) #向下取整 out: 11.0 #返回结果是浮点型 3.四舍五入 import math f = 11.2 print ro...
pytorch中的卷积和池化计算方式
zz2230633069的博客
10-20 1万+
TensorFlow里面的padding只有两个选项也就是valid和same pytorch里面的padding么有这两个选项，它是数字0,1,2,3等等，默认是0 所以输出的h和w的计算方式也是稍微有一点点不同的：tf中的输出大小是和原来的大小成倍数关系，不能任意的输出大小；而nn输出大小可以通过padding进行改变 nn里面的卷积操作或者是池化操作的H和W部分都是一样的计算公式：H和...
python的向上取整向下取整
lcc677的博客
06-15 4393
import math math.ceil(2.3) #向上取整 math.floor(2.3) #向下取整数
Python取整——向上取整、向下取整、四舍五入取整、向0取整
热门推荐
谁谓荼苦，其甘如荠
12-22 31万+
废话少叙，直接上code： 首先，不得不提醒大家一个容易被忽视或者搞混的问题——一般的，0.5这种末尾是5的小数，四舍五入取整应进位。这个进位的意思是：-0.5 → -1；0.5 → 1.即正负情况不同，都向着远离0，使得绝对值更大的方向进位 向上取整：math.ceil() import math math.ceil(-0.5) >>> 0 math.ceil(-...
pytorch 中 nn.Conv2d的参数
05-24
nn.Conv2d是PyTorch中用于卷积操作的类，其参数如下： `nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True)` - `in_channels`：输入的通道数，即输入的...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值