Conv2d

class torch.nn.modules.conv.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True, padding_mode='zeros', device=None, dtype=None)

在由多个输入平面组成的输入信号上应用二维卷积。

在最简单的情况下，具有输入尺寸 $(N, C_{\text{in}}, H, W)$ 和输出 $(N, C_{\text{out}}, H_{\text{out}}, W_{\text{out}})$ 的输出值可以精确描述为

$$\text{out}(N_i, C_{\text{out}_j}) = \text{bias}(C_{\text{out}_j}) + \sum_{k = 0}^{C_{\text{in}} - 1} \text{weight}(C_{\text{out}_j}, k) \star \text{input}(N_i, k)$$

其中 $\star$ 是有效的二维 互相关 算子，$N$ 是批处理大小，$C$ 表示通道数，$H$ 是输入平面的像素高度，$W$ 是像素宽度。

此模块支持 TensorFloat32。

在某些 ROCm 设备上，当使用 float16 输入时，此模块将对反向传播使用不同精度。

• stride 控制互相关操作的步长，可以是一个数字或一个元组。

• padding 控制应用于输入的填充量。它可以是字符串 {'valid', 'same'}，或者是一个整数/整数元组，表示在两侧应用的隐式填充量。

• dilation 控制核点之间的间距；也称为空洞卷积算法。这个概念比较难描述，但 这个链接 有一个 dilation 作用的可视化。

• groups 控制输入和输出之间的连接。 in_channels 和 out_channels 都必须能被 groups 整除。例如，

  • 当 groups=1 时，所有输入都会与所有输出进行卷积。

  • 当 groups=2 时，操作相当于有两个并排的卷积层，每个层看到一半的输入通道并产生一半的输出通道，然后将两者连接起来。

  • 当 groups = in_channels 时，每个输入通道与自身的滤波器组（大小为 $\frac{\text{out\_channels}}{\text{in\_channels}}$）进行卷积。

参数 kernel_size、stride、padding、dilation 可以是

• 单个 int – 在这种情况下，高度和宽度维度使用相同的值

• 两个 int 的 tuple – 在这种情况下，第一个 int 用于高度维度，第二个 int 用于宽度维度

注意

当 groups == in_channels 且 out_channels == K * in_channels（其中 K 是一个正整数）时，此操作也称为“深度可分离卷积”。

换句话说，对于尺寸为 $(N, C_{in}, L_{in})$ 的输入，可以使用参数 $(C_\text{in}=C_\text{in}, C_\text{out}=C_\text{in} \times \text{K}, ..., \text{groups}=C_\text{in})$ 执行深度卷积，其中 K 是深度乘数。

注意

在某些情况下，当在 CUDA 设备上使用张量并利用 CuDNN 时，此算子可能会选择一个非确定性算法来提高性能。如果这不可取，你可以尝试将操作设置为确定性的（可能以性能为代价），方法是设置 torch.backends.cudnn.deterministic = True。有关更多信息，请参阅 可复现性。

注意

padding='valid' 等同于不填充。 padding='same' 会填充输入，使输出具有与输入相同的形状。但是，此模式不支持任何步幅值大于 1 的情况。

注意

此模块支持复杂数据类型，即 complex32, complex64, complex128。

参数

• in_channels (int) – 输入图像中的通道数

• out_channels (int) – 卷积产生的通道数

• kernel_size (int 或 tuple) – 卷积核的大小

• stride (int 或 tuple, 可选) – 卷积的步幅。默认为：1

• padding (int, tuple 或 str, 可选) – 添加到输入所有四边的填充。默认值：0

• dilation (int 或 tuple, 可选) – 核元素之间的间距。默认为：1

• groups (int, 可选) – 从输入通道到输出通道的阻塞连接数。默认为：1

• bias (bool, 可选) – 如果为 True，则向输出添加可学习的偏置。默认为：True

• padding_mode (str, 可选) – 'zeros'、'reflect'、'replicate' 或 'circular'。默认为：'zeros'

形状

• 输入： $(N, C_{in}, H_{in}, W_{in})$ 或 $(C_{in}, H_{in}, W_{in})$

• 输出： $(N, C_{out}, H_{out}, W_{out})$ 或 $(C_{out}, H_{out}, W_{out})$，其中

  $$H_{out} = \left\lfloor\frac{H_{in} + 2 \times \text{padding}[0] - \text{dilation}[0] \times (\text{kernel\_size}[0] - 1) - 1}{\text{stride}[0]} + 1\right\rfloor$$
  $$W_{out} = \left\lfloor\frac{W_{in} + 2 \times \text{padding}[1] - \text{dilation}[1] \times (\text{kernel\_size}[1] - 1) - 1}{\text{stride}[1]} + 1\right\rfloor$$

变量

• weight (Tensor) – 模块的可学习权重，形状为 $(\text{out\_channels}, \frac{\text{in\_channels}}{\text{groups}},$ $\text{kernel\_size[0]}, \text{kernel\_size[1]})$。这些权重的采样值来自 $\mathcal{U}(-\sqrt{k}, \sqrt{k})$，其中 $k = \frac{groups}{C_\text{in} * \prod_{i=0}^{1}\text{kernel\_size}[i]}$

• bias (Tensor) – 模块的可学习偏置，形状为 (out_channels)。如果 bias 为 True，则这些权重的采样值来自 $\mathcal{U}(-\sqrt{k}, \sqrt{k})$，其中 $k = \frac{groups}{C_\text{in} * \prod_{i=0}^{1}\text{kernel\_size}[i]}$

示例

>>> # With square kernels and equal stride
>>> m = nn.Conv2d(16, 33, 3, stride=2)
>>> # non-square kernels and unequal stride and with padding
>>> m = nn.Conv2d(16, 33, (3, 5), stride=(2, 1), padding=(4, 2))
>>> # non-square kernels and unequal stride and with padding and dilation
>>> m = nn.Conv2d(16, 33, (3, 5), stride=(2, 1), padding=(4, 2), dilation=(3, 1))
>>> input = torch.randn(20, 16, 50, 100)
>>> output = m(input)