pytorch nn.Conv2d()中padding以及输出大小方式的示例分析
这篇文章给大家分享的是有关pytorch nn.Conv2d()中padding以及输出大小方式的示例分析的内容。小编觉得挺实用的,因此分享给大家做个参考,一起跟随小编过来看看吧。
代码
conv1=nn.Conv2d(1,2,kernel_size=3,padding=1) conv2=nn.Conv2d(1,2,kernel_size=3) inputs=torch.Tensor([[[[1,2,3], [4,5,6], [7,8,9]]]]) print("input size: ",inputs.shape) outputs1=conv1(inputs) print("output1 size: ",outputs1.shape) outputs2=conv2(inputs) print("output2 size: ",outputs2.shape) 输出: input size: torch.Size([1, 1, 3, 3]) output1 size: torch.Size([1, 2, 3, 3]) output2 size: torch.Size([1, 2, 1, 1])
padding是指卷积前进行padding,这样保证输出的图像形状大小与输入相同,但是通道数channel改变了。
感谢各位的阅读!关于“pytorch nn.Conv2d()中padding以及输出大小方式的示例分析”这篇文章就分享到这里了,希望以上内容可以对大家有一定的帮助,让大家可以学到更多知识,如果觉得文章不错,可以把它分享出去让更多的人看到吧!