Conv2dNormActivation

class torchvision.ops.Conv2dNormActivation(in_channels: int, out_channels: int, kernel_size: ~typing.Union[int, ~typing.Tuple[int, int]] = 3, stride: ~typing.Union[int, ~typing.Tuple[int, int]] = 1, padding: ~typing.Optional[~typing.Union[int, ~typing.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, ~typing.Tuple[int, int]] = 1, inplace: ~typing.Optional[bool] = True, bias: ~typing.Optional[bool] = None)

用于卷积 2D-归一化-激活块的可配置块。

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，可选)：卷积核的大小。默认值：3

• stride (int, 可选) – 卷积的步长。默认值：1

• padding (int, tuple 或 str, 可选) – 添加到输入所有四侧的填充。默认值：None，在这种情况下，它将计算为 padding = (kernel_size - 1) // 2 * dilation

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

• norm_layer (Callable[..., torch.nn.Module], 可选) – 将堆叠在卷积层顶部的归一化层。如果 None，则不会使用此层。默认值：torch.nn.BatchNorm2d

• activation_layer (Callable[..., torch.nn.Module], 可选) – 激活函数，它将堆叠在归一化层（如果存在）的顶部，否则堆叠在卷积层的顶部。如果 None，则不会使用此层。默认值：torch.nn.ReLU

• dilation (int) – 内核元素之间的间距。默认值：1

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

• bias (bool, 可选) – 是否在卷积层中使用偏差。默认情况下，如果 norm_layer is None，则包含偏差。