pytorch+dilation 空洞卷积感受野计算

Pytorch中空洞卷积分为两类，一类是正常图像的卷积，另一类是池化时候。

pytorch卷积API为：

Conv2d(in_channels,out_channels,kernel_size,stride,padding,dilation)

(1)正常图像空洞卷积：
感受野尺寸  size=(dilation-1)*(kernel_size-1) + kernel_size                kernel_size为卷积核大小

最后计算图像H*W时，kernel_size按照size计算。

pytorch池化API为：

nn.MaxPool2d(kernel_size，.....，dilation)
nn.AvgPool2d(kernel_size， .....，dilation)    

(2)padding的空洞卷积：
若空洞卷积率为 dilation
则感受野尺寸  size=2 *(dilation-1)*(kernel_size-1)+kernel_size             kernel_size为卷积核大小