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！