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)

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 $(N, C_{\text{in}}, H, W)$ 且输出尺寸为 $(N, C_{\text{out}}, H_{\text{out}}, W_{\text{out}})$ 的层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，$N$ 是批次大小，$C$ 表示通道数，$H$ 是输入平面的高度（像素），$W$ 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_channels 和 out_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 $\frac{\text{out\_channels}}{\text{in\_channels}}$）进行卷积。

参数 kernel_size、stride、padding、dilation 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

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”（depthwise convolution）。

换句话说，对于大小为 $(N, C_{in}, L_{in})$ 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 (int 或 tuple) – 卷积核的大小

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

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

• dilation (int 或 tuple, 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' 或 'circular'。默认值：'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 $(\text{out\_channels}, \frac{\text{in\_channels}}{\text{groups}},$ $\text{kernel\_size[0]}, \text{kernel\_size[1]})$。这些权重的值从 $\mathcal{U}(-\sqrt{k}, \sqrt{k})$ 中采样，其中 $k = \frac{groups}{C_\text{in} * \prod_{i=0}^{1}\text{kernel\_size}[i]}$

• 偏置 (张量) – 模块的可学习偏置，形状为 (输出通道数)。如果 bias 为 True，则这些权重的取值将从 $\mathcal{U}(-\sqrt{k}, \sqrt{k})$ 中采样，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)