Conv2d的簡(jiǎn)單使用

torch 包 nn 中 Conv2d 的用法與 tensorflow 中類似，但不完全一樣。

在 torch 中，Conv2d 有幾個(gè)基本的參數(shù)，分別是

in_channels 輸入圖像的深度

out_channels 輸出圖像的深度

kernel_size 卷積核大小，正方形卷積只為單個(gè)數(shù)字

stride 卷積步長(zhǎng)，默認(rèn)為1

padding 卷積是否造成尺寸丟失，1為不丟失

與tensorflow不一樣的是，pytorch中的使用更加清晰化，我們可以使用這種方法定義輸入與輸出圖像的深度并同時(shí)指定使用的卷積核的大小。

而我們的輸入則由經(jīng)由 Conv2d 定義的參數(shù)傳入，如下所示：

# 定義一個(gè)輸入深度為1，輸出為6，卷積核大小為 3*3 的 conv1 變量

self.conv1 = nn.Conv2d(1, 6, 3)

# 傳入原始輸入x，以獲得長(zhǎng)寬與x相當(dāng)，深度為6的卷積部分

x = self.conv1(x)

要注意的是，Conv2d中所需要的輸入順序?yàn)?/p>

batchsize, nChannels, Height, Width

其他的簡(jiǎn)單使用

同樣的，與 Conv2d 類似的函數(shù)還有很多，類似 max_pool2d、relu等等，他們的使用方法與 Conv2d 極為類似，如下所示：

# relu函數(shù)的使用

F.relu(self.conv1(x))

# 池化函數(shù)的使用

F.max_pool2d(F.relu(self.conv2(x)), 2)

以上這篇pytorch1.0中torch.nn.Conv2d用法詳解就是小編分享給大家的全部?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。

總結(jié)

以上是生活随笔為你收集整理的conv2d的输入_pytorch1.0中torch.nn.Conv2d用法详解的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。