对nn.Conv2d中参数详解

在 PyTorch 中，nn.Conv2d 是一个常用的二维卷积层，用于处理图像等二维数据。下面是对其参数的详细介绍：

---

定义

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

---

参数详解

1. in_channels

• 含义：输入特征图的通道数。
• 解释：如果输入数据是 RGB 图像，in_channels 通常为 3；如果是灰度图像，则为 1。
• 示例：
  • RGB 图像输入：in_channels=3
  • 单通道灰度图输入：in_channels=1

---

2. out_channels

• 含义：卷积操作输出特征图的通道数。
• 解释：通过卷积核的数量控制输出的通道数。通常越多的通道数可以捕捉到更多特征。
• 示例：
  • 如果设置 out_channels=64，卷积层会生成 64 个特征图。

---

3. kernel_size

• 含义：卷积核的大小。
• 类型：
  • 单个整数：表示卷积核的宽和高相同，例如 kernel_size=3 表示卷积核大小为 3x3。
  • 元组 (height, width)：表示卷积核的高度和宽度分别为指定值，例如 kernel_size=(3, 5)。
• 示例：
  • kernel_size=3 表示 3x3 卷积核。
  • kernel_size=(3, 5) 表示 3 高 x 5 宽的卷积核。

---

4. stride

• 含义：步幅，卷积核在输入特征图上滑动的步长。
• 默认值：1
• 类型：
  • 单个整数：表示行和列的步幅相同，例如 stride=2。
  • 元组 (stride_height, stride_width)：分别指定行和列的步幅。
• 作用：增大步幅会减小输出特征图的尺寸。
• 示例：
  • stride=1：卷积核每次移动 1 个像素。
  • stride=2：卷积核每次移动 2 个像素。

---

5. padding

• 含义：填充，控制在输入特征图周围填充的像素数。
• 默认值：0
• 类型：
  • 单个整数：所有方向填充相同的像素，例如 padding=1。
  • 元组 (pad_height, pad_width)：指定高度和宽度方向的填充。
  • 字符串 'same'：自动计算填充以保证输出特征图大小不变。
• 作用：
  • 防止特征图尺寸过快减小。
  • 保留边缘信息。
• 示例：
  • padding=1：在特征图每边添加 1 个像素。
  • padding='same'：特征图输出尺寸与输入尺寸相同。

---

6. dilation

• 含义：扩张卷积，控制卷积核元素之间的间隔。
• 默认值：1
• 作用：增大感受野（视野）而不增加参数。
• 示例：
  • dilation=1：普通卷积。
  • dilation=2：卷积核元素间隔 1 个像素，相当于感受野增大为普通卷积的 2 倍。

---

7. groups

• 含义：将输入通道分成若干组，每组使用独立的卷积核。
• 默认值：1
• 作用：
  • groups=1：普通卷积，所有通道共享一个卷积核组。
  • groups=in_channels：每个输入通道使用单独的卷积核（深度卷积，常用于 MobileNet 等轻量模型）。
• 示例：
  • groups=1：标准卷积。
  • groups=2：将输入通道分成 2 组，每组单独卷积。

---

8. bias

• 含义：是否为卷积操作添加偏置项。
• 默认值：True
• 作用：如果设置为 False，则不会有偏置参数（通常在有 BatchNorm 层时可以省略偏置）。
• 示例：
  • bias=True：包含偏置项。
  • bias=False：不包含偏置项。

---

9. padding_mode

• 含义：控制填充的方式。
• 默认值：'zeros'
• 可选值：
  • 'zeros'：用零填充（默认）。
  • 'reflect'：使用输入的镜像值填充。
  • 'replicate'：使用输入边界值填充。
  • 'circular'：使用循环填充。
• 示例：
  • padding_mode='zeros'：在输入边界填充零。
  • padding_mode='reflect'：在输入边界进行镜像填充。

---

计算输出特征图大小

输出的宽度和高度可通过公式计算：

---

示例代码

import torch
import torch.nn as nn

# 定义卷积层
conv = nn.Conv2d(
    in_channels=3, 
    out_channels=6, 
    kernel_size=3, 
    stride=1, 
    padding=1, 
    bias=True
)

# 输入张量 (N, C, H, W) = (1, 3, 32, 32)
x = torch.rand(1, 3, 32, 32)

# 前向传播
output = conv(x)

print("输入形状:", x.shape)
print("输出形状:", output.shape)