nn.conv2d方法介绍

1. conv2d用法

• 格式：
  torch.nn.Conv2d(in_channels，out_channels，kernel_size，stride=1，padding=0，dilation=1，groups=1，bias=True)

参数	作用
in_channels	输入的通道数
out_channels	输出的通道数
kennel_size	卷积核大小(例如：kennel_size=2，大小则是2×2， 若kennel_size=（2,3），则是2×3）
stride	步长；默认为1（例如stride=2，则上下左右扫描皆为2，若stride=（2,1），H方向步长为2，W方向为3）
padding	填充补0
dilation	kernel间距，默认是1

---

2. 示例

import torch
import torch.nn as nn

x = torch.randn(10, 16, 30, 32) # batch, channel , height , width
print(x.shape)
net1 = nn.Conv2d(16, 33, (3, 2), (2,1)) 
print(net1)
y = net1(x)
print(y.shape)

Out：
              
解析：

• input：10组数据，通道数为16，H_in=30，W_in=32

• 卷积核长分别是 H:3，W:2 ；步长分别是H：2，W:1；padding默认0；

• $H_{out} = \frac{30 - 3 + 2 \times 0}{2} + 1=14$
  $W_{out} = \frac{32 - 2 + 2 \times 0}{1} + 1=31$

• batch = 10, out_channel = 33

–>故： y= ([10, 33, 14, 31])

注意： 若没有dilation，那就使用下面公式，简洁明了！
              

Ref

1. nn.Conv2d卷积_落地生根-CSDN博客
2. nn.Conv2d 参数及输入输出详解 - SiyuanChen - 博客园