当前位置:   article > 正文

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

(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
声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/从前慢现在也慢/article/detail/787284
推荐阅读
相关标签
  

闽ICP备14008679号