conv2d参数解释（conv2d的参数）



二维卷积 

输入的大小： or 

输出的大小： or 

其中，星号表示有效的2D相互关联运算符；N为batch；C表示channel的数量；H W分别为输入的高度和宽度。 

--in_channels (int):输入图像中的通道数。例如，RGB3通道彩色图像，灰度为1.

--out_channels (int):卷积核产生的通道数。也就是卷积核的个数，每一个卷积核产生一个输出通道。

--kernel_size (int或tuple):卷积核的大小。单个数值时，即为方形，还可以（3,5），表示宽3高5.

--stride (int或tuple，可选，默认：1):卷积的步幅。

--padding (int, tuple或str，可选，默认：0):填充到'输入'的所有四个边（一圈）。

--padding_mode(str，可选, 默认值:'zeros'):``'zeros'``, ``'reflect'``, ``'replicate'`` or ``'circular'``.

--dilation (int或tuple，可选，默认值：1):内核元素之间的间距，即卷积核的膨胀率。

--groups (int，可选，默认值:1):从输入通道到输出通道的阻塞连接数。

--bias (bool，可选，默认值:true):如果为“True”，则在输出中添加可学习的偏差。

属性：

weight (Tensor): shape: The values of these weights are sampled from 其中， 

bias (Tensor): shape:(out_channels). If :attr:`bias` is ``True``, then the values of these weights are sampled from 其中，

例子：

版权声明：

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如若内容造成侵权、违法违规、事实不符，请将相关资料发送至xkadmin@xkablog.com进行投诉反馈，一经查实，立即处理！

转载请注明出处，原文链接：https://www.xkablog.com/cjjbc/24799.html