二维卷积
输入的大小： or
输出的大小： or
其中，星号表示有效的2D相互关联运算符；N为batch；C表示channel的数量；H W分别为输入的高度和宽度。
--in_channels (int):输入图像中的通道数。例如，RGB3通道彩色图像，灰度为1.
--out_channels (int):卷积核产生的通道数。也就是卷积核的个数，每一个卷积核产生一个输出通道。
--kernel_size (int或tuple):卷积核的大小。单个数值时，即为方形，还可以（3,5），表示宽3高5.
--stride (int或tuple，可选，默认：1):卷积的步幅。
--padding (int, tuple或str，可选，默认：0):填充到'输入'的所有四个边（一圈）。
--padding_mode(str，可选, 默认值:'zeros'):``'zeros'``, ``'reflect'``, ``'replicate'`` or ``'circular'``.
--dilation (int或tuple，可选，默认值：1):内核素之间的间距，即卷积核的膨胀率。
--groups (int，可选，默认值:1):从输入通道到输出通道的阻塞连接数。
--bias (bool，可选，默认值:true):如果为“True”，则在输出中添加可学习的偏差。
属性：
weight (Tensor): shape: The values of these weights are sampled from 其中，
bias (Tensor): shape:(out_channels). If :attr:`bias` is ``True``, then the values of these weights are sampled from 其中，
例子：
今天的文章 conv2d参数解释（conv2d的参数）分享到此就结束了，感谢您的阅读。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。
如需转载请保留出处：https://bianchenghao.cn/bian-cheng-ri-ji/34291.html