码迷,mamicode.com
首页 > 其他好文 > 详细

torch.nn.Conv2d()函数详解

时间:2020-03-02 19:11:58      阅读:422      评论:0      收藏:0      [点我收藏+]

标签:https   就是   shape   border   rod   blog   pad   bsp   csdn   

import torch

x = torch.randn(2,1,7,3)
conv = torch.nn.Conv2d(1,8,(2,3))
res = conv(x)

print(res.shape)    # shape = (2, 8, 6, 1)

输入x:

[ batch_size, channels, height_1, width_1 ]

batch_size  一个batch中样例的个数 2
channels  通道数,也就是当前层的深度 1
height_1 图片的高 7
width_1 图片的宽  3

Conv2d的参数

[ 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  8
height_2 过滤器filter的高 2
weight_2 过滤器filter的宽  3
torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True)
in_channels
 Number of channels in the input image
out_channels
 Number of channels produced by the convolution
kernel_size
卷积核尺寸
stride
步长,控制cross-correlation的步长,可以设为1个int型数或者一个(int, int)型的tuple。
padding
(补0):控制zero-padding的数目。
dilation
(扩张):控制kernel点(卷积核点)的间距
groups
 (卷积核个数):通常来说,卷积个数唯一,但是对某些情况,可以设置范围在1 —— in_channels中数目的卷积核:
bias
adds a learnable bias to the output.

 

 

输出res:

[ batch_size,output, height_3, width_3 ]

batch_size 一个batch中样例的个数,同上 2
output 输出的深度 8
height_3  卷积结果的高度 h1-h2+1 = 7-2+1 = 6
weight_3 卷积结果的宽度 w1-w2+1 = 3-3+1 = 1

参考

torch.nn.Conv2d
torch.nn.MaxPool2d
————————————————
版权声明:本文为CSDN博主「huxuedan01」的原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/m0_37586991/article/details/87855342

torch.nn.Conv2d()函数详解

标签:https   就是   shape   border   rod   blog   pad   bsp   csdn   

原文地址:https://www.cnblogs.com/expttt/p/12397330.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!