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。