conv2d原理、计算过程、pytorch使用

【学习于刘二大大视频：https://www.bilibili.com/video/BV1Y7411d7Ys?p=10】

conv2d

卷积过程

向两个维度进行卷积

单通道

三（多）通道

一个通道需要一个kernel

画图：

多个输出通道（即改变输出通道）

卷积核的数量==输出通道的通道数

每个卷积核的数量==输入通道的通道数

对应代码

self.conv1 = nn.Conv2d(in_channels=in_channel,#输入通道数，即输入数据的通道数
                       out_channels=10,#输出通道数，即输出数据的通道数
                       kernel_size=kernel_size,#卷积核大小，一般是int，也可tuple，如3【表示3x3】；（5，4）【表示5x4】
                       stride=1,#卷积移动的步长
                       padding=padding)# 是否用0填充数据四周
print(self.conv1.weight.shape)

# 以此可以确定设置的卷积的shape:[out_channels,in_channels,kernel_size,kernel_size]