Pytorch:Conv2d卷积前后尺寸怎么设置

本篇内容主要讲解“Pytorch:Conv2d卷积前后尺寸怎么设置”，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习“Pytorch:Conv2d卷积前后尺寸怎么设置”吧!

Pytorch:Conv2d卷积前后尺寸

Conv2d参数

尺寸变化

卷积前的尺寸为(N,C,W,H) ，卷积后尺寸为(N,F,W_n,H_n)

• W_n = (W-F+S+2P)/S 向下取整

• H_n = (H-F+S+2P)/S

示例

# 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)
print(input.size())
output = m(input)
print(output.size())

反卷积（转置卷积）Conv2DTranspose 输出的尺寸大小

keras的Conv2DTranspose

The size of the input feature map: (N, N)
Conv2dTranspose(kernel_size=k, padding, strides=s)

padding=‘same' ，输出尺寸 = N × s
padding=‘valid'，输出尺寸 = (N-1) × s + k

到此，相信大家对“Pytorch:Conv2d卷积前后尺寸怎么设置”有了更深的了解，不妨来实际操作一番吧！这里是亿速云网站，更多相关内容可以进入相关频道进行查询，关注我们，继续学习！