pytorch1.0中torch.nn.Conv2d用法详解-创新互联

Conv2d的简单使用

torch 包 nn 中 Conv2d 的用法与 tensorflow 中类似，但不完全一样。

在 torch 中，Conv2d 有几个基本的参数，分别是

in_channels 输入图像的深度

out_channels 输出图像的深度

kernel_size 卷积核大小，正方形卷积只为单个数字

stride 卷积步长，默认为1

padding 卷积是否造成尺寸丢失，1为不丢失

与tensorflow不一样的是，pytorch中的使用更加清晰化，我们可以使用这种方法定义输入与输出图像的深度并同时指定使用的卷积核的大小。

而我们的输入则由经由 Conv2d 定义的参数传入，如下所示：

# 定义一个输入深度为1，输出为6，卷积核大小为 3*3 的 conv1 变量
self.conv1 = nn.Conv2d(1, 6, 3)
# 传入原始输入x，以获得长宽与x相当，深度为6的卷积部分
x = self.conv1(x)

另外有需要云服务器可以了解下创新互联scvps.cn，海内外云服务器15元起步，三天无理由+7*72小时售后在线，公司持有idc许可证，提供“云服务器、裸金属服务器、高防服务器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案，具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势，专为企业上云打造定制，能够满足用户丰富、多元化的应用场景需求。