Pytorch中的卷积操作——nn.Conv2d, nn.ConvTranspose2d

前言

pytorch中用nn.Module实现卷积操作总共有3种Conv1d, Conv2d, Conv3d
而这三种方式只是卷积核在不同的维度上进行卷积的结果，基本参数一致，这里以Conv2d为例进行介绍。

nn.Conv2d(in_channels, out_ channels, kernel_ size, stride=1, padding=0, dilation=1, groups=1, bias=True, padding_mode=’ zeros’)

功能：对多个二维信号进行二维卷积

主要参数：
in channels: 输入通道数
out channels:输出通道数，等价于卷积核个数
kernel size: 卷积核尺寸
stride:步长
padding :填充个数
dilation:空洞卷积大小
groups:分组卷积设置
bias: 偏置
尺寸计算：

完整计算公式：

nn.ConvTranspose2d(in_channels, out_channels, kernel_size, stride=1, padding=0, output_padding=0, groups=1, bias=True, dilation=1, padding_mode=‘zeros’)

功能:转置卷积实现上采样
主要参数:
in_ channels: 输入通道数
out channels:输出通道数
kernel_ size: 卷积核尺寸
stride:步长
padding:填充个数
dilation:空洞卷积大小
groups:分组卷积设置
bias:偏置
尺寸计算：

完整计算公式：