pytorch1.0中torch.nn.Conv2d用法详解_nn.Linear资源-CSDN文库

版权申诉

180 浏览量 2020-09-18 03:27:50 上传评论收藏 37KB PDF 举报

资源推荐

资源详情

资源评论

pytorch1.0中中torch.nn.Conv2d用法详解用法详解

今天小编就为大家分享一篇pytorch1.0中torch.nn.Conv2d用法详解，具有很好的参考价值，希望对大家有所帮

助。一起跟随小编过来看看吧

Conv2d的简单使用的简单使用

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)

要注意的是，Conv2d中所需要的输入顺序为

batchsize, nChannels, Height, Width

其他的简单使用其他的简单使用

同样的，与 Conv2d 类似的函数还有很多，类似 max_pool2d、relu等等，他们的使用方法与 Conv2d 极为类似，如下所示：

# relu函数的使用

F.relu(self.conv1(x))

# 池化函数的使用

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

以上这篇pytorch1.0中torch.nn.Conv2d用法详解就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多

支持我们。

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余0页未读，立即下载

内容反馈

版权申诉

weixin_38693173

粉丝: 4
资源: 948

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈

feedback-tip