pytorch中的torch.nn.Conv2d()函数图文详解
更新时间：2022年02月28日 15:21:16 作者：夏普通
这篇文章主要给大家介绍了关于pytorch中torch.nn.Conv2d()函数的相关资料,文中通过实例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
一、官方文档介绍
nn.Conv2d：对由多个输入平面组成的输入信号进行二维卷积
二、torch.nn.Conv2d()函数详解
参数详解
torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True)
| 参数 | 参数类型 | ||
|---|---|---|---|
| in_channels | int | Number of channels in the input image | 输入图像通道数 |
| out_channels | int | Number of channels produced by the convolution | 卷积产生的通道数 |
| kernel_size | (int or tuple) | Size of the convolving kernel | 卷积核尺寸，可以设为1个int型数或者一个(int, int)型的元组。例如(2,3)是高2宽3卷积核 |
| stride | (int or tuple, optional) | Stride of the convolution. Default: 1 | 卷积步长，默认为1。可以设为1个int型数或者一个(int, int)型的元组。 |
| padding | (int or tuple, optional) | Zero-padding added to both sides of the input. Default: 0 | 填充操作，控制padding_mode的数目。 |
| padding_mode | (string, optional) | ‘zeros’, ‘reflect’, ‘replicate’ or ‘circular’. Default: ‘zeros’ | padding模式，默认为Zero-padding 。 |
| dilation | (int or tuple, optional) | Spacing between kernel elements. Default: 1 | 扩张操作：控制kernel点（卷积核点）的间距，默认值:1。 |
| groups | (int, optional) | Number of blocked connections from input channels to output channels. Default: 1 | group参数的作用是控制分组卷积，默认不分组，为1组。 |
| bias | (bool, optional) | If True, adds a learnable bias to the output. Default: True | 为真，则在输出中添加一个可学习的偏差。默认：True。 |
参数dilation——扩张卷积（也叫空洞卷积）
dilation操作动图演示如下：
Dilated Convolution with a 3 x 3 kernel and dilation rate 2
扩张卷积核为3×3，扩张率为2
参数groups——分组卷积
Group Convolution顾名思义，则是对输入feature map进行分组，然后每组分别卷积。
三、代码实例
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])
输入：x[ batch_size, channels, height_1, width_1 ]
- batch_size，一个batch中样本的个数 3
- channels，通道数，也就是当前层的深度 1
- height_1， 图片的高 5
- width_1， 图片的宽 4
卷积操作：Conv2d[ channels, output, height_2, width_2 ]
- channels，通道数，和上面保持一致，也就是当前层的深度 1
- output ，输出的深度 4【需要4个filter】
- height_2，卷积核的高 2
- width_2，卷积核的宽 3
输出：res[ batch_size,output, height_3, width_3 ]
- batch_size,，一个batch中样例的个数，同上 3
- output， 输出的深度 4
- height_3， 卷积结果的高度 4
- width_3，卷积结果的宽度 2
一个样本卷积示例：
总结
到此这篇关于pytorch中torch.nn.Conv2d()函数的文章就介绍到这了,更多相关pytorch torch.nn.Conv2d()函数内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
相关文章
这篇文章主要为大家详细介绍了python实现K最近邻算法，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2018-01-01
这篇文章主要为大家详细介绍了python cs架构实现简单文件传输，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2018-07-07
这篇文章主要介绍了Python实现自定义顺序、排列写入数据到Excel的方法,涉及Python针对Excel文件的数据处理及读写相关操作技巧,需要的朋友可以参考下2018-04-04
匿名函数现在已经成了各大编程语言争相标配的热门特性,无需用函数名来定义函数的方式在很多场合下书写起来十分炫酷,这里我们就来举例讲解Python的lambda语句声明匿名函数的用法2016-07-07
这篇文章主要介绍了python pyecharts 实现一个文件绘制多张图，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2020-05-05
项目中在前期经常要看下数据的分布情况,这对于探究数据规律非常有用,概率分布表示样本数据的模样,使用Python绘制频率分布直方图非常简洁,因为用的频次非常高,这篇文章主要给大家介绍了关于Python如何绘制概率分布直方图的相关资料,需要的朋友可以参考下2021-12-12
这篇文章主要介绍了python开发中两个list列表之间传值的方法，有需要的朋友可以借鉴参考下，希望可以有所帮助，希望大家共同学习，共同进步2021-09-09
这篇文章主要介绍了Python hashlib常见摘要算法详解,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2020-01-01
TensorFlow实现模型断点训练,checkpoint模型载入方式
这篇文章主要介绍了TensorFlow实现模型断点训练,checkpoint模型载入方式，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2020-05-05
这篇文章主要为大家详细介绍了如何使用Python编写一个包含倒计时,密码验证,音频控制,系统进程监控与终止等功能的程序,需要的可以了解下2025-02-02
最新评论