pytorch中的torch.nn.Conv2d()函數(shù)圖文詳解
一、官方文檔介紹
nn.Conv2d：對(duì)由多個(gè)輸入平面組成的輸入信號(hào)進(jìn)行二維卷積
二、torch.nn.Conv2d()函數(shù)詳解
參數(shù)詳解
torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True)
| 參數(shù) | 參數(shù)類型 | ||
|---|---|---|---|
| in_channels | int | Number of channels in the input image | 輸入圖像通道數(shù) |
| out_channels | int | Number of channels produced by the convolution | 卷積產(chǎn)生的通道數(shù) |
| kernel_size | (int or tuple) | Size of the convolving kernel | 卷積核尺寸，可以設(shè)為1個(gè)int型數(shù)或者一個(gè)(int, int)型的元組。例如(2,3)是高2寬3卷積核 |
| stride | (int or tuple, optional) | Stride of the convolution. Default: 1 | 卷積步長，默認(rèn)為1?？梢栽O(shè)為1個(gè)int型數(shù)或者一個(gè)(int, int)型的元組。 |
| padding | (int or tuple, optional) | Zero-padding added to both sides of the input. Default: 0 | 填充操作，控制padding_mode的數(shù)目。 |
| padding_mode | (string, optional) | ‘zeros’, ‘reflect’, ‘replicate’ or ‘circular’. Default: ‘zeros’ | padding模式，默認(rèn)為Zero-padding 。 |
| dilation | (int or tuple, optional) | Spacing between kernel elements. Default: 1 | 擴(kuò)張操作：控制kernel點(diǎn)（卷積核點(diǎn)）的間距，默認(rèn)值:1。 |
| groups | (int, optional) | Number of blocked connections from input channels to output channels. Default: 1 | group參數(shù)的作用是控制分組卷積，默認(rèn)不分組，為1組。 |
| bias | (bool, optional) | If True, adds a learnable bias to the output. Default: True | 為真，則在輸出中添加一個(gè)可學(xué)習(xí)的偏差。默認(rèn)：True。 |
參數(shù)dilation——擴(kuò)張卷積（也叫空洞卷積）
dilation操作動(dòng)圖演示如下：
Dilated Convolution with a 3 x 3 kernel and dilation rate 2
擴(kuò)張卷積核為3×3，擴(kuò)張率為2
參數(shù)groups——分組卷積
Group Convolution顧名思義，則是對(duì)輸入feature map進(jìn)行分組，然后每組分別卷積。
三、代碼實(shí)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])
輸入：x[ batch_size, channels, height_1, width_1 ]
- batch_size，一個(gè)batch中樣本的個(gè)數(shù) 3
- channels，通道數(shù)，也就是當(dāng)前層的深度 1
- height_1， 圖片的高 5
- width_1， 圖片的寬 4
卷積操作：Conv2d[ channels, output, height_2, width_2 ]
- channels，通道數(shù)，和上面保持一致，也就是當(dāng)前層的深度 1
- output ，輸出的深度 4【需要4個(gè)filter】
- height_2，卷積核的高 2
- width_2，卷積核的寬 3
輸出：res[ batch_size,output, height_3, width_3 ]
- batch_size,，一個(gè)batch中樣例的個(gè)數(shù)，同上 3
- output， 輸出的深度 4
- height_3， 卷積結(jié)果的高度 4
- width_3，卷積結(jié)果的寬度 2
一個(gè)樣本卷積示例：
總結(jié)
到此這篇關(guān)于pytorch中torch.nn.Conv2d()函數(shù)的文章就介紹到這了,更多相關(guān)pytorch torch.nn.Conv2d()函數(shù)內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
這篇文章主要介紹了Python修改DBF文件指定列的實(shí)現(xiàn)，幫助大家更好的理解和使用python，感興趣的朋友可以了解下2020-12-12
這篇文章主要介紹了Python random模塊的使用示例，幫助大家更好的理解和使用python生成隨機(jī)數(shù)，感興趣的朋友可以了解下2020-10-10
本文主要介紹了使用Python點(diǎn)云生成3D網(wǎng)格，文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2023-03-03
用Python 爬取貓眼電影數(shù)據(jù)分析《無名之輩》
這篇文章主要介紹了用Python 爬取貓眼電影數(shù)據(jù)分析《無名之輩》，文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2020-07-07
python時(shí)間日期操作方法實(shí)例小結(jié)
這篇文章主要介紹了python時(shí)間日期操作方法,結(jié)合實(shí)例形式總結(jié)分析了Python針對(duì)日期時(shí)間的轉(zhuǎn)換、計(jì)算相關(guān)操作技巧,需要的朋友可以參考下2020-02-02
pyqt QPlainTextEdit 中捕獲回車的示例代碼
在PyQt的QPlainTextEdit控件中,可以通過重寫keyPressEvent()函數(shù)來捕獲鍵盤事件,這篇文章主要介紹了pyqt QPlainTextEdit 中捕獲回車,需要的朋友可以參考下2024-03-03
influx+grafana自定義python采集數(shù)據(jù)和一些坑的總結(jié)
一些數(shù)據(jù)的類型不正確會(huì)導(dǎo)致no datapoint的錯(cuò)誤，真是令人抓狂，本文就是總結(jié)一下采集數(shù)據(jù)種的一些坑，希望大家可以從中獲益2018-09-09
今天小編就為大家分享一篇pycharm 將python文件打包為exe格式的方法，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2019-01-01
快速解決Django關(guān)閉Debug模式無法加載media圖片與static靜態(tài)文件
這篇文章主要介紹了快速解決Django關(guān)閉Debug模式無法加載media圖片與static靜態(tài)文件的操作方式，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2020-04-04
這篇文章主要介紹了Python類class參數(shù)self原理解析,文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2020-11-11