Conv2d的简单使用
torch 包 nn 中 Conv2d 的用法与 tensorflow 中类似，但不完全一样。
在 torch 中，Conv2d 有几个基本的参数，分别是
in_channels 输入图像的深度
out_channels 输出图像的深度
kernel_size 卷积核大小，正方形卷积只为单个数字
stride 卷积步长，默认为1
padding 卷积是否造成尺寸丢失，1为不丢失
与tensorflow不一样的是，pytorch中的使用更加清晰化，我们可以使用这种方法定义输入与输出图像的深度并同时指定使用的卷积核的大小。
而我们的输入则由经由 Conv2d 定义的参数传入，如下所示：
# 定义一个输入深度为1，输出为6，卷积核大小为 3*3 的 conv1 变量 self.conv1 = nn.Conv2d(1, 6, 3) # 传入原始输入x，以获得长宽与x相当，深度为6的卷积部分 x = self.conv1(x)
要注意的是，Conv2d中所需要的输入顺序为
batchsize, nChannels, Height, Width
其他的简单使用
同样的，与 Conv2d 类似的函数还有很多，类似 max_pool2d、relu等等，他们的使用方法与 Conv2d 极为类似，如下所示：
# relu函数的使用 F.relu(self.conv1(x)) # 池化函数的使用 F.max_pool2d(F.relu(self.conv2(x)), 2)
以上这篇pytorch1.0中torch.nn.Conv2d用法详解就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。
免责声明：本站文章均来自网站采集或用户投稿，网站不提供任何软件下载或自行开发的软件！ 如有用户或公司发现本站内容信息存在侵权行为，请邮件告知！ 858582#qq.com
P70系列延期，华为新旗舰将在下月发布
3月20日消息，近期博主@数码闲聊站 透露，原定三月份发布的华为新旗舰P70系列延期发布，预计4月份上市。
而博主@定焦数码 爆料，华为的P70系列在定位上已经超过了Mate60，成为了重要的旗舰系列之一。它肩负着重返影像领域顶尖的使命。那么这次P70会带来哪些令人惊艳的创新呢？
根据目前爆料的消息来看，华为P70系列将推出三个版本，其中P70和P70 Pro采用了三角形的摄像头模组设计，而P70 Art则采用了与上一代P60 Art相似的不规则形状设计。这样的外观是否好看见仁见智，但辨识度绝对拉满。