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)

用於 Convolution2d-Normalization-Activation 塊的可配置塊。

引數：

• in_channels (int) – 輸入影像中的通道數

• out_channels (int) – Convolution-Normalization-Activation 塊產生的通道數

• kernel_size – (int, 可選): 卷積核的大小。預設值: 3

• stride (int, 可選) – 卷積的步長。預設值: 1

• padding (int, tuple 或 str, 可選) – 輸入四邊新增的填充。預設值: None，此時將計算為 padding = (kernel_size - 1) // 2 * dilation

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

• norm_layer (Callable[..., torch.nn.Module], 可選) – 將堆疊在卷積層之上的歸一化層。如果為 None，則不使用此層。預設值: torch.nn.BatchNorm2d

• activation_layer (Callable[..., torch.nn.Module], 可選) – 將堆疊在歸一化層（如果非 None）之上，否則堆疊在卷積層之上的啟用函式。如果為 None，則不使用此層。預設值: torch.nn.ReLU

• dilation (int) – 核心元素之間的間距。預設值: 1

• inplace (bool) – 啟用層的引數，可以選擇原地執行操作。預設值: True

• bias (bool, 可選) – 是否在卷積層中使用偏置。預設情況下，如果 norm_layer is None，則包含偏置。