Conv2dNormActivation

class torchvision.ops.Conv2dNormActivation(in_channels: int, out_channels: int, kernel_size: ~typing.Union[int, tuple[int, int]] = 3, stride: ~typing.Union[int, tuple[int, int]] = 1, padding: ~typing.Optional[~typing.Union[int, tuple[int, int], str]] = None, groups: int = 1, norm_layer: ~typing.Optional[~typing.Callable[[...], ~torch.nn.modules.module.Module]] = <class 'torch.nn.modules.batchnorm.BatchNorm2d'>, activation_layer: ~typing.Optional[~typing.Callable[[...], ~torch.nn.modules.module.Module]] = <class 'torch.nn.modules.activation.ReLU'>, dilation: ~typing.Union[int, tuple[int, int]] = 1, inplace: ~typing.Optional[bool] = True, bias: ~typing.Optional[bool] = None)

可配置的卷积-归一化-激活块。

参数:

• in_channels (int) – 输入图像中的通道数

• out_channels (int) – 卷积-归一化-激活块产生的通道数

• kernel_size – (int, optional): 卷积核的大小。默认为：3

• stride (int, optional) – 卷积的步长。默认为：1

• padding (int, tuple 或 str, optional) – 添加到输入四周的填充。默认为 None，在这种情况下，将计算为 padding = (kernel_size - 1) // 2 * dilation

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

• norm_layer (Callable[..., torch.nn.Module], optional) – 将堆叠在卷积层之上的归一化层。如果为 None，则不使用此层。默认为：torch.nn.BatchNorm2d

• activation_layer (Callable[..., torch.nn.Module], optional) – 将堆叠在归一化层之上（如果非 None）的激活函数，否则堆叠在卷积层之上。如果为 None，则不使用此层。默认为：torch.nn.ReLU

• dilation (int) – 核元素之间的间距。默认为：1

• inplace (bool) – 激活层的参数，可以选择就地执行操作。默认为 True

• bias (bool, optional) – 卷积层是否使用偏置。默认情况下，如果 norm_layer is None，则包含偏置。