pytorch中的torch.nn.Conv2d()函數圖文詳解

2022-02-28 16:02:56

一、官方檔案介紹

引數詳解

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

引數	引數型別
in_channels	int	Number of channels in the input image	輸入影象通道數
out_channels	int	Number of channels produced by the convolution	折積產生的通道數
kernel_size	(int or tuple)	Size of the convolving kernel	折積核尺寸，可以設為1個int型數或者一個(int, int)型的元組。例如(2,3)是高2寬3折積核
stride	(int or tuple, optional)	Stride of the convolution. Default: 1	折積步長，預設為1。可以設為1個int型數或者一個(int, int)型的元組。
padding	(int or tuple, optional)	Zero-padding added to both sides of the input. Default: 0	填充操作，控制padding_mode的數目。
padding_mode	(string, optional)	‘zeros’, ‘reflect’, ‘replicate’ or ‘circular’. Default: ‘zeros’	padding模式，預設為Zero-padding 。
dilation	(int or tuple, optional)	Spacing between kernel elements. Default: 1	擴張操作：控制kernel點（折積核點）的間距，預設值:1。
groups	(int, optional)	Number of blocked connections from input channels to output channels. Default: 1	group引數的作用是控制分組折積，預設不分組，為1組。
bias	(bool, optional)	If True, adds a learnable bias to the output. Default: True	為真，則在輸出中新增一個可學習的偏差。預設：True。

dilation操作動圖演示如下：

Dilated Convolution with a 3 x 3 kernel and dilation rate 2

擴張折積核為3×3，擴張率為2

Group Convolution顧名思義，則是對輸入feature map進行分組，然後每組分別折積。

三、程式碼範例

import torch

x = torch.randn(3,1,5,4)
print(x)

conv = torch.nn.Conv2d(1,4,(2,3))
res = conv(x)

print(res.shape)    # torch.Size([3, 4, 4, 2])

輸入：x[ batch_size, channels, height_1, width_1 ]

折積操作：Conv2d[ channels, output, height_2, width_2 ]

輸出：res[ batch_size,output, height_3, width_3 ]

一個樣本折積範例：

到此這篇關於pytorch中torch.nn.Conv2d()函數的文章就介紹到這了,更多相關pytorch torch.nn.Conv2d()函數內容請搜尋it145.com以前的文章或繼續瀏覽下面的相關文章希望大家以後多多支援it145.com！