pytorch conv2d函数,pytorch conv2d
本文主要介绍pytorch中torch.nn.Conv2d()函数的相关信息,通过示例代码详细介绍。对你的学习或者工作有一定的参考价值,有需要的朋友可以参考一下。
00-1010一、公文介绍二。torch.nn.Conv2d()函数参数展开详解——展开卷积(也叫空腔卷积)参数组——分组卷积汇总
目录
官方网站
Nn。Conv2d:由多个输入平面组成的输入信号的二维卷积
一、官方文档介绍
参数的详细说明
torch.nn.Conv2d(in_channels,out_channels,kernel_size,stride=1,padding=0,dilation=1,groups=1,bias=True)
参数类型in _ channels int输入图像中的通道数输入图像通道数out _ channels int卷积产生的通道数通道数kernel_size(int或Tuple)卷积核的大小kernel size,可以设置为int数或类型为(int,int)的元组。例如,(2,3)是卷积的卷积核步长(int或tuple,可选)的卷积步长。默认为: 1,默认为1。它可以设置为int数或(int,int)类型的元组。填充(int或tuple,可选)向输入的两侧添加零填充。默认3360 0填充操作控制padding_mode的数量。Padding _ mode(字符串,可选)“零”、“反射”、“复制”或“循环”。默认3360“零”填充模式,默认是零填充。内核元素之间的间距膨胀(int或tuple,可选)。默认:1扩展操作:控制核点(卷积核点)的间距,默认值为:1。Groups (int,可选)从输入通道到输出通道的阻塞连接数。默认的: 1group参数用于控制分组卷积。默认为1组,不分组。If bias (bool,可选)为true,并将可学习的偏差添加到输出中。Default3360为真,可学习的偏差被添加到输出中。默认值:True。
二、torch.nn.Conv2d()函数详解
膨胀操作图演示如下:
具有33内核和膨胀率2的膨胀卷积
扩展核为33,膨胀率为2。
参数dilation——扩张卷积(也叫空洞卷积)
正如Group Convolution的名字所暗示的,输入特征图被分组,然后每个组被单独卷积。
三。代码示例
进口火炬
x=torch.randn(3,1,5,4)
打印(x)
conv=torch.nn.Conv2d(1,4,(2,3))
res=conv(x)
打印(res.shape) #火炬。大小([3,4,4,2])
输入:x[批次大小,通道,高度1,宽度1]
Batch_size,一批的样本数为3个通道,通道数即当前层的深度为1height_1,图片的高度为5width_1,图片的宽度为4。conv2d[通道、输出、高度_ 2、宽度_ 2]
通道,通道数,与上面一致,即当前层深度为1output,输出深度为4 [需要4个滤镜] Height _ 2,卷积核的高度为2width_2,卷积核的宽度为3 output: RES [batch _ size,Output,height _ 3,width _ 3]
Batch_size,一批中的样本数,如上3输出,输出的深度4height_3,卷积结果的高度4width_3,卷积结果的宽度2一个样本卷积示例:.
参数groups——分组卷积
关于pytorch中torch.nn.Conv2d()函数的这篇文章到此为止。关于pytorch.nn.conv2d()函数的更多信息,请搜索热门IT软件开发工作室之前的文章或者继续浏览下面的相关文章。希望大家以后能支持热门的IT软件开发工作室!
郑重声明:本文由网友发布,不代表盛行IT的观点,版权归原作者所有,仅为传播更多信息之目的,如有侵权请联系,我们将第一时间修改或删除,多谢。