评价此页

torch.nn.functional.conv2d#

torch.nn.functional.conv2d(input, weight, bias=None, stride=1, padding=0, dilation=1, groups=1) Tensor#

将卷积应用于由多个输入通道组成的输入图像。

此操作符支持TensorFloat32

有关详细信息和输出形状,请参阅 Conv2d

注意

在某些情况下,当在 CUDA 设备上处理张量并使用 CuDNN 时,此运算符可能会选择一个非确定性算法来提高性能。如果这不理想,您可以尝试通过设置 torch.backends.cudnn.deterministic = True 来使操作确定性(可能以性能为代价)。有关更多信息,请参阅 可复现性

注意

此运算符支持复数数据类型,例如 complex32, complex64, complex128

参数
  • input – 输入张量,形状为 (minibatch,in_channels,iH,iW)(\text{minibatch} , \text{in\_channels} , iH , iW)

  • weight – 滤波器,形状为 (out_channels,in_channelsgroups,kH,kW)(\text{out\_channels} , \frac{\text{in\_channels}}{\text{groups}} , kH , kW)

  • bias – 可选的偏置张量,形状为 (out_channels)(\text{out\_channels})。默认值:None

  • stride – 卷积核的步长。可以是单个数字或元组 (sH, sW)。默认值:1

  • padding

    在输入两侧的隐式填充。可以是字符串 {‘valid’, ‘same’}、单个数字或元组 (padH, padW)。默认值:0 padding='valid' 等同于无填充。 padding='same' 会填充输入,使输出形状与输入形状相同。但是,此模式不支持任何步长值(除了 1)。

    警告

    对于 padding='same',如果 weight 是偶数长度且在任何维度上的 dilation 是奇数,则可能需要在内部进行完整的 pad() 操作。这会降低性能。

  • dilation – 卷积核元素之间的间距。可以是单个数字或元组 (dH, dW)。默认值:1

  • groups – 将输入分割成组,in_channels\text{in\_channels}out_channels\text{out\_channels} 都应能被组数整除。默认值:1

示例

>>> # With square kernels and equal stride
>>> filters = torch.randn(8, 4, 3, 3)
>>> inputs = torch.randn(1, 4, 5, 5)
>>> F.conv2d(inputs, filters, padding=1)