介绍nn.Conv2d 类的基本参数和用法

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

 

• in_channels：输入通道的数量，对应于输入的图像或特征图的深度。
• out_channels：输出通道的数量，表示卷积核（滤波器）的数量，也即卷积操作后生成的特征图的深度。
• kernel_size：卷积核的大小，可以是一个整数表示正方形卷积核，也可以是一个元组 (h, w) 表示高度和宽度不同的卷积核。
• stride：卷积的步长，默认为 1，表示卷积核在输入上滑动的步长。
• padding：零填充的大小，用于控制输入特征图边界的处理。
• dilation：卷积核的扩张率，默认为 1。
• groups：分组卷积的数量。默认为 1，表示标准卷积。当 groups 不等于 1 时，输入通道被分为 groups 份，每份进行卷积操作后再进行拼接。
• bias：是否包含偏置项，默认为 True。
• padding_mode：填充模式，默认为 'zeros'，表示零填充。

• 通过卷积操作可以提取输入数据的空间特征，是卷积神经网络的基本组件。
• 通过调整参数，可以灵活适应不同任务和数据集。
• 支持分组卷积、扩张卷积等操作，提高网络的表达能力。
• 可以方便地用于图像处理等领域，具有广泛的应用。