溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
Conv2d的簡單使用
torch 包 nn 中 Conv2d 的用法與 tensorflow 中類似，但不完全一樣。
在 torch 中，Conv2d 有幾個基本的參數，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數字
stride 卷積步長，默認為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指定使用的卷積核的大小。
而我們的輸入則由經由 Conv2d 定義的參數傳入，如下所示：
# 定義一個輸入深度為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，以獲得長寬與x相當，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為
batchsize, nChannels, Height, Width
其他的簡單使用
同樣的，與 Conv2d 類似的函數還有很多，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函數的使用 F.relu(self.conv1(x)) # 池化函數的使用 F.max_pool2d(F.relu(self.conv2(x)), 2)
以上這篇pytorch2.0中torch.nn.Conv2d用法詳解就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持億速云。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
