pytorch中卷积函数参数详解_(4)请用pytroch中相关函数,定义一个卷积层,相关参数如下:输入通道3,输出通道64,步

对于pytorch深度学习框架，卷积函数已经被封装好提供对外接口，二维卷积nn.Conv2d用于处理图像数据，对于宽度和高度都进行卷积运算，其定义如下。

class torch.nn.Conv2d(in_channels, out_channels, kennel_size, stride=1, padding=0, dilation=1, groups=1, bias=true)

in_channels(int) 输入特征图的通道数
out_channels(int) 输出特征图的通道数
kenal_size(int or tuple) 卷积核大小
stride(int or tuple, optional) 卷积核的步长，默认为1
padding(int or tuple,optional) 输入的每一条边补充0的层数，默认为0
dilation(int or tuple, optional) 卷积核元素间的距离，默认为1
groups(int,optional)将原始输入通道划分成的组数，默认为1
bias(bool,optional) 默认为True，表示输出的bias可学习
1
2
3
4
5
6
7
8
9
10