【PyTorch】torch.nn.Conv2d 类：二维卷积层（2D Convolutional Layer）
torch.nn.Conv2d
torch.nn.Conv2d 是 PyTorch 二维卷积层（2D Convolutional Layer） 的实现，主要用于 计算机视觉任务（如图像分类、目标检测等），可以提取 空间特征 并 增强模型的表示能力。
1. torch.nn.Conv2d 语法
torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True, padding_mode='zeros')
| 参数 | 说明 |
|---|---|
in_channels |
输入通道数（灰度图像=1，RGB图像=3） |
out_channels |
卷积核的数量（输出通道数） |
kernel_size |
卷积核大小（如 3 或 (3,3)） |
stride |
步长（默认 1，控制卷积核滑动的步幅） |
padding |
填充（如 1，保持输入输出尺寸一致） |
dilation |
空洞卷积（控制卷积核的扩张间隔） |
groups |
组卷积（groups=1 为标准卷积） |
bias |
是否使用偏置项（默认 True） |
padding_mode |
填充模式（zeros, reflect, replicate, circular） |
2. 示例：定义基本 Conv2d
import torch
import torch.nn as nn
# 定义 2D 卷积层
conv = nn.Conv2d(in_channels=3, out_channels=16, kernel_size=3, stride=1, padding=1)
# 假设输入为 (batch_size=1, channels=3, height=32, width=32)
input_tensor = torch.randn(1, 3, 32, 32)
# 计算输出
output = conv(input_tensor)
print(output.shape) # 输出: torch.Size([1, 16, 32, 32])
解析
in_channels=3（输入通道数，RGB 图像）。out_channels=16（16 个卷积核，输出通道数）。kernel_size=3（使用3x3卷积核）。padding=1（保持尺寸不变，即H_out = H_in）。stride=1（步长为 1，逐像素滑动）。- 输出形状
(1, 16, 32, 32)，表示：- 1 是 batch_size。
- 16 是输出通道数（16 个卷积核）。
- 32 × 32 是特征图大小。
3. 计算卷积输出尺寸
卷积输出尺寸计算公式：
H out = H in + 2 P − K S + 1 H_{\text{out}} = \frac{H_{\text{in}} + 2P - K}{S} + 1 Hout=SHin+2P−K+1
W out = W in + 2 P − K S + 1 W_{\text{out}} = \frac{W_{\text{in}} + 2P - K}{S} + 1 Wout=SWin+2P−K+1
其中：
- H in , W in H_{\text{in}}, W_{\text{in}} Hin,Win 是输入特征图的高宽。
- P P P 是填充（
padding）。 - K K K 是卷积核大小（
kernel_size）。 - S S S 是步长（
stride）。
4. padding 和 stride 的作用
示例 1：默认 padding=0
conv = nn.Conv2d(in_channels=3, out_channels=16, kernel_size=3, stride=1, padding=0)
input_tensor = torch.randn(1, 3, 32, 32)
output = conv(input_tensor)
print(output.shape) # torch.Size([1, 16, 30, 30])
- 由于
padding=0，输出尺寸 变小。
示例 2：padding=1（保持尺寸不变）
conv = nn.Conv2d(3, 16, kernel_size=3, stride=1, padding=1)
input_tensor = torch.randn(1, 3, 32, 32)
output = conv(input_tensor)
print(output.shape) # torch.Size([1, 16, 32, 32])
padding=1确保输入输出 尺寸相同。
示例 3：stride=2（步长 2，降采样）
conv = nn.Conv2d(3, 16, kernel_size=3, stride=2, padding=1)
input_tensor = torch.randn(1, 3, 32, 32)
output = conv(input_tensor)
print(output.shape) # torch.Size([1, 16, 16, 16])
stride=2使输出尺寸 缩小为 1/2。
5. dilation（空洞卷积）
dilation 控制卷积核的 扩张间隔，适用于 感受野增大 的任务（如目标检测）。
conv = nn.Conv2d(3, 16, kernel_size=3, stride=1, padding=2, dilation=2)
input_tensor = torch.randn(1, 3, 32, 32)
output = conv(input_tensor)
print(output.shape) # torch.Size([1, 16, 32, 32])
dilation=2扩大了感受野，但 保持输出尺寸不变。
6. groups（组卷积）
groups > 1 用于 分组卷积（Grouped Convolution），如 MobileNet。
conv = nn.Conv2d(in_channels=8, out_channels=16, kernel_size=3, groups=2)
input_tensor = torch.randn(1, 8, 32, 32)
output = conv(input_tensor)
print(output.shape) # torch.Size([1, 16, 30, 30])
groups=2将输入通道分为 2 组，每组独立执行卷积。
7. 适用场景
- CNN 图像分类（如 ResNet, VGG, EfficientNet）
- 目标检测（如 YOLO, Faster R-CNN）
- 语义分割（如 U-Net, DeepLabV3）
- 风格迁移、超分辨率（如 SRGAN）
8. 结论
torch.nn.Conv2d是 PyTorch 处理图像的核心组件。padding=1保持尺寸，stride=2进行降采样。dilation增大感受野，groups实现分组卷积。- 适用于 CNN、目标检测、语义分割等任务。
正确理解 Conv2d 参数对于 优化 CNN 结构 至关重要。