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 2D 卷積。

在最簡單的情況下，具有輸入大小為 $(N, C_{\text{in}}, H, W)$ 和輸出 $(N, C_{\text{out}}, H_{\text{out}}, W_{\text{out}})$ 的層的輸出值可以精確地描述為

輸出(N_i, C_輸出j) = 偏差(C_輸出j) + ∑_{k = 0}^{C_輸入 - 1} 權重(C_輸出j, k) ⋆ 輸入(N_i, k)

其中 $\star$ 是有效的 2D 互相關運算符，$N$ 是批次大小，$C$ 表示通道數，$H$ 是輸入平面以像素為單位的高度，而 $W$ 是以像素為單位的寬度。

此模組支援 TensorFloat32。

在某些 ROCm 裝置上，當使用 float16 輸入時，此模組將使用 不同的精度 進行反向傳播。

• stride 控制互相關的步幅，可以是單個數字或元組。

• padding 控制應用於輸入的填充量。它可以是字符串 {‘valid’, ‘same’} 或整數/整數元組，給出應用於兩側的隱式填充量。

• dilation 控制内核點之間的間距；也稱為 à trous 算法。很難描述，但這個 連結 提供了 dilation 作用的可視化效果。

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

  • 當 groups=1 時，所有輸入都會卷積到所有輸出。

  • 當 groups=2 時，該操作等效於並排具有兩個卷積層，每個層看到一半的輸入通道並產生一半的輸出通道，然後將兩者連接在一起。

  • 當 groups= in_channels 時，每個輸入通道都與其自身的一組濾波器（大小為 $\frac{\text{out\_channels}}{\text{in\_channels}}$）卷積。

參數 kernel_size、stride、padding、dilation 可以是

• 單個 int – 在這種情況下，相同的值用於高度和寬度維度

• 一個由兩個整數組成的 tuple – 在這種情況下，第一個 int 用於高度維度，第二個 int 用於寬度維度

注意

當 groups == in_channels 且 out_channels == K * in_channels 時，其中 K 是一個正整數，此操作也稱為“深度卷積”。

換句話說，對於大小為 $(N, C_{in}, L_{in})$ 的輸入，可以使用參數 $(C_\text{in}=C_\text{in}, C_\text{out}=C_\text{in} \times \text{K}, ..., \text{groups}=C_\text{in})$ 執行深度卷積，其中深度乘數為 K 。

注意

在某些情況下，當給定 CUDA 裝置上的 tensors 並使用 CuDNN 時，此運算子可能會選擇一個非決定性的演算法來提高效能。如果這不符合需求，您可以嘗試設定 torch.backends.cudnn.deterministic = True，使運算具有決定性（可能以效能為代價）。更多資訊請參閱再現性。

注意

padding='valid' 與不使用 padding 相同。padding='same' 會對輸入進行 padding，使輸出具有與輸入相同的形狀。但是，此模式不支援除 1 以外的任何 stride 值。

注意

此模組支援複數資料類型，例如 complex32, complex64, complex128。

參數

• in_channels (int) – 輸入影像中的通道數量

• out_channels (int) – 卷積產生的通道數量

• kernel_size (int 或 tuple) – 卷積核的大小

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

• padding (int, tuple 或 str, 可選) – 添加到輸入四個邊的 padding。預設值：0

• dilation (int 或 tuple, 可選) – 卷積核元素之間的間距。預設值：1

• groups (int, 可選) – 從輸入通道到輸出通道的阻塞連接數。預設值：1

• bias (bool, optional) – 如果 True，則在輸出中新增一個可學習的偏差項。預設值：True

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

形狀 (Shape)

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

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

• bias (Tensor) – 模組的可學習偏差，形狀為 (out_channels)。如果 bias 為 True，則這些權重的值會從 $\mathcal{U}(-\sqrt{k}, \sqrt{k})$ 採樣，其中 $k = \frac{groups}{C_\text{in} * \prod_{i=0}^{1}\text{kernel\_size}[i]}$

範例

>>> # 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)