pytorch nn.Conv2d()中的padding以及输出大小方式
更新时间:2020年01月10日 11:40:28 作者:qq_30468133
今天小编就为大家分享一篇pytorch nn.Conv2d()中的padding以及输出大小方式,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
我就废话不多说了,直接上代码吧!
conv1=nn.Conv2d(1,2,kernel_size=3,padding=1) conv2=nn.Conv2d(1,2,kernel_size=3) inputs=torch.Tensor([[[[1,2,3], [4,5,6], [7,8,9]]]]) print("input size: ",inputs.shape) outputs1=conv1(inputs) print("output1 size: ",outputs1.shape) outputs2=conv2(inputs) print("output2 size: ",outputs2.shape) 输出: input size: torch.Size([1, 1, 3, 3]) output1 size: torch.Size([1, 2, 3, 3]) output2 size: torch.Size([1, 2, 1, 1])
padding是指卷积前进行padding,这样保证输出的图像形状大小与输入相同,但是通道数channel改变了。
以上这篇pytorch nn.Conv2d()中的padding以及输出大小方式就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持脚本之家。
相关文章
Python3.5 Pandas模块之DataFrame用法实例分析
这篇文章主要介绍了Python3.5 Pandas模块之DataFrame用法,结合实例形式详细分析了Python3.5中Pandas模块的DataFrame结构创建、读取、过滤、获取等相关操作技巧与注意事项,需要的朋友可以参考下2019-04-04
最新评论