卷积层 Convolution的说明

import torch
import torch.nn.functional as F

# 输入图像
input = torch.tensor([[1, 2, 0, 3, 1],
                      [0, 1, 2, 3, 1],
                      [1, 2, 1, 0, 0],
                      [5, 2, 3, 1, 1],
                      [2, 1, 0, 1, 1],
                      ])
# 卷积核
kernel = torch.tensor([[1, 2, 1],
                       [0, 1, 0],
                       [2, 1, 0],
                       ])
# 尺寸 --尺寸变换
# 通道数是1，batch大小是1，数据维度是 5*5
input = torch.reshape(input, (1, 1, 5, 5))
kernel = torch.reshape(kernel, (1, 1, 3, 3))
# stride 卷积核移动的大小，padding 输入图像扩充
output = F.conv2d(input, kernel, stride=1)
print(output)

1.输入图像，卷积核：

2.卷积后的输出

stride = 1 :一次移动一步

卷积最后的输出

 

 改变padding的值，进行填充0

output = F.conv2d(input, kernel, stride=1, padding=1)