Pytorch中Conv2d、ConvTranspose2d和MaxPool2d参数计算公式

1 Conv2d参数计算

torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True, padding_mode='zeros', device=None, dtype=None)

设置:
stride = S
kernel_size = K
padding = P
输入尺寸为Win，输出尺寸为Wout
公式：

2 ConvTranspose2d参数计算

torch.nn.ConvTranspose2d(in_channels, out_channels, kernel_size, stride=1, padding=0, output_padding=0, groups=1, bias=True, dilation=1, padding_mode='zeros', device=None, dtype=None)

设置：

1. in_channels(int) – 输入信号的通道数
2. out_channels(int) – 卷积产生的通道数
3. kerner_size(int or tuple) - 卷积核的大小
4. stride(int or tuple,optional) - 输入特征图元素之间添加stride-1个元素
5. padding(int or tuple, optional) - 输入的每一条边补充0的层数，高宽都增加2*padding
6. output_padding(int or tuple, optional) - 输出边补充0的层数，高宽都增加padding
7. groups(int, optional) – 从输入通道到输出通道的阻塞连接数
8. bias(bool, optional) - 如果bias=True，添加偏置
9. dilation(int or tuple, optional) – 卷积核元素之间的间距，这个属性有点东西，先不管，还不会
   10.input为输出的特征图尺寸大小，output为输出的特征图尺寸大小

公式：

这里重在使用吧，具体得推导公式需要结合参数进行演算，有时间的可以自己弄几个例子算一算。

3 MaxPool2d参数计算

首先熟悉它的默认参数设置：

给出的计算公式：

简化计算：

因为这里的dilation基本不设置，所以题目默认是1，将以上公式化简一下得：
好像和Conv2d的公式是一样的：

这里我下午在计算输出尺寸的时候，去找了相关博客，结果果断被带入坑里了，算了半天尺寸不对，最后去官网看了一下，原来因为默认值不知道，导致翻车，裂开，这里给出官网链接，大家官网为准

点我就有超能力