Conv2d(in_channels, out_channels, kernel_size, stride=1,padding=0, dilation=1, groups=1,bias=True, padding_mode=‘zeros’)

最近在學習李沐大神動手學習深度學習卷積神經(jīng)網(wǎng)絡(luò)（第六章）示例時，對torch包中的Conv2d函數(shù)不是很了解。

in_channels：輸入的通道數(shù)目
out_channels： 輸出的通道數(shù)目
kernel_size：卷積核的大小，類型為int 或者元組，當卷積是方形的時候，只需要一個整數(shù)邊長即可，卷積不是方形，要輸入一個元組表示 高和寬。
stride： 卷積每次滑動的步長為多少，默認是 1
padding： 設(shè)置在所有邊界增加 值為 0 的邊距的大小（也就是在feature map 外圍增加幾圈 0 ），例如當 padding =1 的時候，如果原來大小為 3 × 3 ，那么之后的大小為 5 × 5 。即在外圍加了一圈 0 。
dilation：控制卷積核之間的間距
groups：控制輸入和輸出之間的連接
bias： 是否將一個 學習到的 bias 增加輸出中，默認是 True 。
padding_mode ： 字符串類型，接收的字符串只有 “zeros” 和 “circular”。

例子1：

conv2d = nn.Conv2d(1,1, kernel_size=(1,2), bias=False)

輸入通道為1，輸出通道為1，卷積核大小為1*2的，沒有設(shè)置步長與邊界，步長默認為1，沒有學習偏差bias。
?

例子2：

conv2d_1 = nn.Conv2d(1,1,kernel_size=3,padding=1,stride=2)

輸入通道為1，輸出通道為1，卷積核大小為3*3的，邊界左右擴展1，上下擴展1，步長為2。

例子3：

conv2d_2 = nn.Conv2d(1,1,kernel_size=(3,5),padding=(0,1),stride=(3,4))

輸入通道為1，輸出通道為1，卷積核大小為3*5的，邊界左右不擴展，上下擴展1，左步長為3，右步長為4。

總結(jié)

以上是生活随笔為你收集整理的pytorch nn.Conv2d的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。