网络编程
位置：首页>> 网络编程>> Python编程>> pytorch中的torch.nn.Conv2d()函数图文详解

pytorch中的torch.nn.Conv2d()函数图文详解

作者：夏普通　　发布时间：2021-02-01 17:32:13　

标签：pytorch,torch.nn.conv2d(),函数

一、官方文档介绍

官网

pytorch中的torch.nn.Conv2d()函数图文详解

nn.Conv2d：对由多个输入平面组成的输入信号进行二维卷积

pytorch中的torch.nn.Conv2d()函数图文详解

pytorch中的torch.nn.Conv2d()函数图文详解

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_channelsintNumber of channels in the input image输入图像通道数
out_channelsintNumber 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: 1group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

pytorch中的torch.nn.Conv2d()函数图文详解

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。

pytorch中的torch.nn.Conv2d()函数图文详解

pytorch中的torch.nn.Conv2d()函数图文详解

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：

pytorch中的torch.nn.Conv2d()函数图文详解

pytorch中的torch.nn.Conv2d()函数图文详解

总结 

来源：https://blog.csdn.net/qq_34243930/article/details/107231539

0
投稿

猜你喜欢

手机版 网络编程 asp之家 www.aspxhome.com