Conv2d函数详解（Pytorch）

本文是基于Pytorch框架下的API ：Conv2d（）。该函数使用在二维输入，另外还有Conv1d（）、Conv3d（），其输入分别是一维和三维。下面将介绍Conv2d（）的参数。

一、参数介绍

 def __init__(self,in_channels: int,out_channels: int,kernel_size: _size_2_t,stride: _size_2_t = 1,padding: _size_2_t = 0,dilation: _size_2_t = 1,groups: int = 1,bias: bool = True,padding_mode: str = 'zeros'  # TODO: refine this type):

in_channels：网络输入的通道数。
out_channels：网络输出的通道数。
kernel_size：卷积核的大小，如果该参数是一个整数q，那么卷积核的大小是qXq。
stride：步长。是卷积过程中移动的步长。默认情况下是1。一般卷积核在输入图像上的移动是自左至右，自上至下。如果参数是一个整数那么就默认在水平和垂直方向都是该整数。如果参数是stride=(2, 1),2代表着高（h）进行步长为2，1代表着宽（w）进行步长为1。
padding：填充，默认是0填充。
dilation：扩张。一般情况下，卷积核与输入图像对应的位置之间的计算是相同尺寸的，也就是说卷积核的大小是3X3，那么它在输入图像上每次作用的区域是3X3，这种情况下dilation=0。当dilation=1时，表示的是下图这种情况。
groups：分组。指的是对输入通道进行分组，如果groups=1，那么输入就一组，输出也为一组。如果groups=2，那么就将输入分为两组，那么相应的输出也是两组。另外需要注意的是in_channels和out_channels必须能整除groups。
bias：偏置参数，该参数是一个bool类型的，当bias=True时，表示在后向反馈中学习到的参数b被应用。
padding_mode：填充模式， padding_mode=‘zeros’表示的是0填充。

二、通过调整参数来感受这些参数
1、结果1

import torch
import torch.nn as nn# 输入是一个N=20，C=16，H=50，W=100的向量
m = nn.Conv2d(16, 33, 3, stride=2)
input = torch.randn(20, 16, 50, 100)
output = m(input)print(output.size())

在nn.Conv2d()中第一个参数要和输入的通道数相同（16）。在nn.Conv2d()中第二个参数表示输出的通道数。输出中N=20不变，C=33。通过3X3的卷积核、步长为2，50X100的输入变成了24X49。

torch.Size([20, 33, 24, 49])

2、结果2

import torch
import torch.nn as nnm = nn.Conv2d(16, 33, 3, stride=(1, 2))
input = torch.randn(20, 16, 50, 100)
output = m(input)print(output.size())

-上一步中stride=2表示的是stride=（2，2），这里添加了stride=(1, 2)，表示向右步长为1，向下步长为2，输出结果如下：

torch.Size([20, 33, 48, 49])

3、结果3

import torch
import torch.nn as nnm = nn.Conv2d(16, 33, (3, 5), stride=2, padding=(4, 2))
input = torch.randn(20, 16, 50, 100)
output = m(input)print(output.size())

这里添加了padding=（4，2），表示在左右方向上添加4圈0填充，在上下方向上添加2圈0，相当于输入是58X104（原来的输入是50X100）。

torch.Size([20, 33, 28, 50])

三、总结
Conv2d（）是卷积神经网络的操作函数，了解函数中的参数是用好CNN的关键。

Conv2d函数详解（Pytorch）相关推荐

pytorch之torch.nn.Conv2d()函数详解
文章目录一.官方文档介绍二.torch.nn.Conv2d()函数详解参数详解参数dilation--扩张卷积(也叫空洞卷积) 参数groups--分组卷积三.代码实例一.官方文档介绍官 ...
【PyTorch】nn.Conv2d函数详解
文章目录 1. 函数语法格式 2. 参数解释 3. 尺寸关系 4. 使用案例 5. nn.functional.conv2d 1. 函数语法格式 CONV2D官方链接 torch.nn.Conv2d( ...
tf.nn.conv2d()函数详解(strides与padding的关系)
tf.nn.conv2d()是TensorFlow中用于创建卷积层的函数,这个函数的调用格式如下: def conv2d(input: Any,filter: Any,strides: Any,pad ...
pytorch函数详解
pytorch函数详解在typora这里写之后复制到简书上 1. torchvision 1.1 transforms.Compose(transforms) 把几个转换组合 example: fr ...
python中squeeze函数_详解pytorch中squeeze()和unsqueeze()函数介绍
squeeze的用法主要就是对数据的维度进行压缩或者解压. 先看torch.squeeze() 这个函数主要对数据的维度进行压缩,去掉维数为1的的维度,比如是一行或者一列这种,一个一行三列(1,3)的 ...
【Pytorch】torch.argmax 函数详解
文章目录一.一个参数时的 torch.argmax 函数 1. 介绍 2. 实例二.多个参数时的 torch.argmax 函数 1. 介绍 2. 实例实例1:二维矩阵实例2:三维矩阵实例3 ...
PyTorch入门笔记-matmul函数详解
PyTorch入门笔记-matmul函数详解本文转载自:PyTorch入门笔记-matmul函数详解 - 腾讯云开发者社区-腾讯云 (tencent.com) 41409)]
conv2d的输入_pytorch1.0中torch.nn.Conv2d用法详解
Conv2d的简单使用 torch 包 nn 中 Conv2d 的用法与 tensorflow 中类似,但不完全一样. 在 torch 中,Conv2d 有几个基本的参数,分别是 in_channel ...
YOLOV1详解——Pytorch版
YOLOV1详解--Pytorch版 1 YOLOV1 1 数据处理 1.1 数据集划分 1.2 读入xml文件 1.3 数据增强 2 训练 2.1 Backbone 2.2 Loss 2.3 tra ...

Conv2d函数详解（Pytorch）

Conv2d函数详解（Pytorch）相关推荐

最新文章

热门文章