【Pytorch】8.torch.nn.conv2d

这个函数和我们之前提到的【Pytorch】6.torch.nn.functional.conv2d的使用的作用相似，都是完成CV领域的卷积操作，这里就不在过多赘述

torch.nn.conv2d的使用

打开pytorch的官方文档，我们可以看到


torch.nn.conv2d包含了若干参数

• in_channels：代表输入的通道数
• out_channels：代表输出的通道数
• kernel_size：代表卷积核的大小，既可以是int类型，也可以是tuple元组类型，比如(2,5)代表卷积核大小为两行五列
• stride：代表卷积每次的步长
• padding：代表输入层的边缘填充
• padding_mode：代表边缘填充的规则，默认为用0填充
• dilation：代表膨胀，默认为1
  我们也可以通过官方的这个链接link来对每个参数进行了解

具体的使用方法为

# 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