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)

對由多個輸入平面組成的輸入訊號應用二維卷積。

在最簡單的情況下，輸入尺寸為 $(N, C_{\text{in}}, H, W)$ 且輸出尺寸為 $(N, C_{\text{out}}, H_{\text{out}}, W_{\text{out}})$ 的層的輸出值可以精確描述為

$$\text{out}(N_i, C_{\text{out}_j}) = \text{bias}(C_{\text{out}_j}) + \sum_{k = 0}^{C_{\text{in}} - 1} \text{weight}(C_{\text{out}_j}, k) \star \text{input}(N_i, k)$$

其中 $\star$ 是有效的二維互相關運算元，$N$ 是批次大小，$C$ 表示通道數，$H$ 是輸入平面的高度（畫素），$W$ 是寬度（畫素）。

此模組支援 TensorFloat32。

在某些 ROCm 裝置上，使用 float16 輸入時，此模組的反向傳播將使用不同的精度。

• stride 控制互相關的步長，可以是一個數字或一個元組。

• padding 控制應用於輸入的填充量。它可以是一個字串 {'valid', 'same'} 或一個整數 / 一個整數元組，表示在兩側應用的隱式填充量。

• dilation 控制卷積核點之間的間距；也稱為 à trous 演算法。這更難描述，但這個連結提供了關於 dilation 作用的良好視覺化解釋。

• groups 控制輸入和輸出之間的連線。 in_channels 和 out_channels 都必須能被 groups 整除。例如，

  • 當 groups=1 時，所有輸入都與所有輸出進行卷積。

  • 當 groups=2 時，該操作等價於並行有兩個卷積層，每個層接收一半的輸入通道併產生一半的輸出通道，然後將兩者拼接起來。

  • 當 groups = in_channels 時，每個輸入通道與其自己的一組濾波器（大小為 $\frac{\text{out\_channels}}{\text{in\_channels}}$）進行卷積。

引數 kernel_size、stride、padding、dilation 可以是

• 一個單獨的 int 型別整數 – 此時高度和寬度尺寸使用相同的值

• 一個包含兩個整數的 tuple 元組 – 此時第一個整數用於高度尺寸，第二個整數用於寬度尺寸

注意

當 groups == in_channels 且 out_channels == K * in_channels（其中 K 是一個正整數）時，此操作也稱為“深度可分離卷積”（depthwise convolution）。

換句話說，對於大小為 $(N, C_{in}, L_{in})$ 的輸入，可以使用引數 $(C_\text{in}=C_\text{in}, C_\text{out}=C_\text{in} \times \text{K}, ..., \text{groups}=C_\text{in})$ 執行深度可分離卷積（depthwise convolution），其中深度乘數（depthwise multiplier）為 K。

注意

在某些情況下，當輸入張量位於 CUDA 裝置並使用 CuDNN 時，此運算子可能會選擇非確定性演算法以提高效能。如果這是不希望的行為，您可以透過設定 torch.backends.cudnn.deterministic = True 來嘗試使操作具有確定性（可能會犧牲部分效能）。有關更多資訊，請參閱 可復現性。

注意

padding='valid' 等同於不進行填充。padding='same' 對輸入進行填充，使輸出具有與輸入相同的形狀。但是，此模式不支援除了 1 以外的步長值。

注意

此模組支援複數資料型別，例如 complex32, complex64, complex128。

引數

• in_channels (int) – 輸入影像中的通道數

• out_channels (int) – 卷積產生的通道數

• kernel_size (int 或 tuple) – 卷積核的大小

• stride (int 或 tuple, 可選的) – 卷積的步長。預設值：1

• padding (int, tuple 或 str, 可選的) – 輸入四邊新增的填充。預設值：0

• dilation (int 或 tuple, 可選的) – 核心元素之間的間距。預設值：1

• groups (int, 可選的) – 從輸入通道到輸出通道的組連線數。預設值：1

• bias (bool, 可選的) – 如果為 True，則向輸出新增一個可學習的偏置項。預設值：True

• padding_mode (str, 可選的) – 'zeros', 'reflect', 'replicate' 或 'circular'。預設值：'zeros'

形狀

• 輸入：$(N, C_{in}, H_{in}, W_{in})$ 或 $(C_{in}, H_{in}, W_{in})$

• 輸出：$(N, C_{out}, H_{out}, W_{out})$ 或 $(C_{out}, H_{out}, W_{out})$，其中

  $$H_{out} = \left\lfloor\frac{H_{in} + 2 \times \text{padding}[0] - \text{dilation}[0] \times (\text{kernel\_size}[0] - 1) - 1}{\text{stride}[0]} + 1\right\rfloor$$
  $$W_{out} = \left\lfloor\frac{W_{in} + 2 \times \text{padding}[1] - \text{dilation}[1] \times (\text{kernel\_size}[1] - 1) - 1}{\text{stride}[1]} + 1\right\rfloor$$

變數

• weight (Tensor) – 模組的可學習權重，形狀為 $(\text{out\_channels}, \frac{\text{in\_channels}}{\text{groups}},$ $\text{kernel\_size[0]}, \text{kernel\_size[1]})$。這些權重的值從 $\mathcal{U}(-\sqrt{k}, \sqrt{k})$ 中取樣，其中 $k = \frac{groups}{C_\text{in} * \prod_{i=0}^{1}\text{kernel\_size}[i]}$

• 偏置 (張量) – 模組的可學習偏置，形狀為 (輸出通道數)。如果 bias 為 True，則這些權重的取值將從 $\mathcal{U}(-\sqrt{k}, \sqrt{k})$ 中取樣，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)