torch.nn.functional.conv2d的用法

torch.nn.functional.conv2d(input, weight, bias=None, stride=1, padding=0, dilation=1, groups=1) → Tensor

注意：！！！

对F.conv2d一样适用

补充：在这里补充一个多维度卷积的公式：

输入是：h×w×n_c
则卷积核应该与输入保持一样的维度：f×f×n_c
输出则取决于卷积核的个数：n_c’
h’=(h+2padding-f)/stride+1
w’=(w+2padding-f)/stride+1

关于group的理解！！

我自己关于F.conv2d和nn.Conv2d的一点点理解：
nn.Conv2d规定了输入通道、输出通道、以及卷积核的大小，使用的时候生成（输出通道的个数）的卷积核，多用于网络搭建时使用。因为卷积核还没确定，通过网络不断训练得到卷积核的参数。

F.conv2d需要传入具体的卷积核！！传入的卷积核需要知道（输出通道也就是有几个卷积核、卷积核的通道个数也就是与输入图像相同的通道数、size）,是具体的已知的卷积核。