我就废话不多说了,直接上代码吧!
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
|
conv1 = nn.Conv2d( 1 , 2 ,kernel_size = 3 ,padding = 1 ) conv2 = nn.Conv2d( 1 , 2 ,kernel_size = 3 ) inputs = torch.Tensor([[[[ 1 , 2 , 3 ], [ 4 , 5 , 6 ], [ 7 , 8 , 9 ]]]]) print ( "input size: " ,inputs.shape) outputs1 = conv1(inputs) print ( "output1 size: " ,outputs1.shape) outputs2 = conv2(inputs) print ( "output2 size: " ,outputs2.shape) 输出: input size: torch.Size([ 1 , 1 , 3 , 3 ]) output1 size: torch.Size([ 1 , 2 , 3 , 3 ]) output2 size: torch.Size([ 1 , 2 , 1 , 1 ]) |
padding是指卷积前进行padding,这样保证输出的图像形状大小与输入相同,但是通道数channel改变了。
以上这篇pytorch nn.Conv2d()中的padding以及输出大小方式就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持服务器之家。
原文链接:https://blog.csdn.net/qq_30468133/article/details/87711821