特征图分辨率的降低，保持，提高

通过设定好nn.Conv2d或者nn.ConvTranspose2d的参数，可以使得卷积前后的特征图分辨率大小不变，或将特征图的分辨率提高为原来的2倍。参考卷积前后特征图分辨率的计算公式
特征图分辨率降低为1/2
卷积，kernel_size为7，stride为2，padding为3
卷积，kernel_size为1，stride为2，padding为0
卷积，kernel_size为3，stride为2，padding为1
maxpool，kernel_size为3，stride为2，padding为1
以下代码通过解除注释可以查看不同的卷积参数对特征图的影响

import torch
input = torch.rand([4,3,256,192])
conv = nn.Conv2d(3, 64, kernel_size=7, stride=2, padding=3,bias=False)
#conv = nn.Conv2d(3, 64, kernel_size=1, stride=2, bias=False)
#conv = nn.Conv2d(3, 64, kernel_size=3, stride=2, padding=1, bias=False)

#maxpool = nn.MaxPool2d(kernel_size=3, stride=2, padding=1) 
#output = maxpool(input)                       
output = conv(input)
print(output.shape) #([4, 64, 128, 96])

保持特征图分辨率不变
kernel大小为1，stride为1（默认），padding为0（默认）
kernel大小为3，stride为1，padding为1

import torch
input = torch.rand(3,3,256,192)
conv = nn.Conv2d(3, 64, kernel_size=1, bias=False)
# conv = nn.Conv2d(3, 64, kernel_size=3, stride=1,padding=1, bias=False)
output = conv(input)
print(output.shape)#([3, 64, 256, 192])

转置卷积提高特征图分辨率
kernel为4，stride为2，padding为1，特征图分辨率变为原来2倍。

import torch
import torch.nn as nn
input = torch.rand(1,3,224,224)
trans_conv = nn.ConvTranspose2d(3, 16, 4, stride=2, padding=1)
output = trans_conv(input)
print(output.shape)