快捷方式

Conv2d

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

对由多个输入平面组成的输入信号应用二维卷积。

在最简单的情况下,输入尺寸为 (N,Cin,H,W)(N, C_{\text{in}}, H, W) 且输出尺寸为 (N,Cout,Hout,Wout)(N, C_{\text{out}}, H_{\text{out}}, W_{\text{out}}) 的层的输出值可以精确描述为

out(Ni,Coutj)=bias(Coutj)+k=0Cin1weight(Coutj,k)input(Ni,k)\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,NN 是批次大小,CC 表示通道数,HH 是输入平面的高度(像素),WW 是宽度(像素)。

此模块支持 TensorFloat32

在某些 ROCm 设备上,使用 float16 输入时,此模块的反向传播将使用不同的精度

  • stride 控制互相关的步长,可以是一个数字或一个元组。

  • padding 控制应用于输入的填充量。它可以是一个字符串 {'valid', 'same'} 或一个整数 / 一个整数元组,表示在两侧应用的隐式填充量。

  • dilation 控制卷积核点之间的间距;也称为 à trous 算法。这更难描述,但这个链接提供了关于 dilation 作用的良好可视化解释。

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

    • 当 groups=1 时,所有输入都与所有输出进行卷积。

    • 当 groups=2 时,该操作等价于并行有两个卷积层,每个层接收一半的输入通道并产生一半的输出通道,然后将两者拼接起来。

    • 当 groups = in_channels 时,每个输入通道与其自己的一组滤波器(大小为 out_channelsin_channels\frac{\text{out\_channels}}{\text{in\_channels}})进行卷积。

参数 kernel_sizestridepaddingdilation 可以是

  • 一个单独的 int 类型整数 – 此时高度和宽度尺寸使用相同的值

  • 一个包含两个整数的 tuple 元组 – 此时第一个整数用于高度尺寸,第二个整数用于宽度尺寸

注意

groups == in_channelsout_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”(depthwise convolution)。

换句话说,对于大小为 (N,Cin,Lin)(N, C_{in}, L_{in}) 的输入,可以使用参数 (Cin=Cin,Cout=Cin×K,...,groups=Cin)(C_\text{in}=C_\text{in}, C_\text{out}=C_\text{in} \times \text{K}, ..., \text{groups}=C_\text{in}) 执行深度可分离卷积(depthwise convolution),其中深度乘数(depthwise multiplier)为 K

注意

在某些情况下,当输入张量位于 CUDA 设备并使用 CuDNN 时,此运算符可能会选择非确定性算法以提高性能。如果这是不希望的行为,您可以通过设置 torch.backends.cudnn.deterministic = True 来尝试使操作具有确定性(可能会牺牲部分性能)。有关更多信息,请参阅 可复现性

注意

padding='valid' 等同于不进行填充。padding='same' 对输入进行填充,使输出具有与输入相同的形状。但是,此模式不支持除了 1 以外的步长值。

注意

此模块支持复数数据类型,例如 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 (inttuple) – 卷积核的大小

  • stride (inttuple, 可选的) – 卷积的步长。默认值:1

  • padding (int, tuplestr, 可选的) – 输入四边添加的填充。默认值:0

  • dilation (inttuple, 可选的) – 内核元素之间的间距。默认值:1

  • groups (int, 可选的) – 从输入通道到输出通道的组连接数。默认值:1

  • bias (bool, 可选的) – 如果为 True,则向输出添加一个可学习的偏置项。默认值:True

  • padding_mode (str, 可选的) – 'zeros', 'reflect', 'replicate''circular'。默认值:'zeros'

形状
  • 输入:(N,Cin,Hin,Win)(N, C_{in}, H_{in}, W_{in})(Cin,Hin,Win)(C_{in}, H_{in}, W_{in})

  • 输出:(N,Cout,Hout,Wout)(N, C_{out}, H_{out}, W_{out})(Cout,Hout,Wout)(C_{out}, H_{out}, W_{out}),其中

    Hout=Hin+2×padding[0]dilation[0]×(kernel_size[0]1)1stride[0]+1H_{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
    Wout=Win+2×padding[1]dilation[1]×(kernel_size[1]1)1stride[1]+1W_{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 (out_channels,in_channelsgroups,(\text{out\_channels}, \frac{\text{in\_channels}}{\text{groups}}, kernel_size[0],kernel_size[1])\text{kernel\_size[0]}, \text{kernel\_size[1]})。这些权重的值从 U(k,k)\mathcal{U}(-\sqrt{k}, \sqrt{k}) 中采样,其中 k=groupsCini=01kernel_size[i]k = \frac{groups}{C_\text{in} * \prod_{i=0}^{1}\text{kernel\_size}[i]}

  • 偏置 (张量) – 模块的可学习偏置,形状为 (输出通道数)。如果 biasTrue,则这些权重的取值将从 U(k,k)\mathcal{U}(-\sqrt{k}, \sqrt{k}) 中采样,其中 k=groupsCini=01kernel_size[i]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)

文档

访问 PyTorch 全面的开发者文档

查看文档

教程

获取针对初学者和高级开发者的深度教程

查看教程

资源

查找开发资源并获取问题解答

查看资源