torch.nn.Conv2d是torch.nn模块中的二维卷积层类，用于构建神经网络中的二维卷积层。
1、基本语法
python
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)将 2D 卷积应用于由多个输入平面组成的输入信号。
在最简单的情况下，具有 input size ( N , C i n , H , W ) (N,C_{in},H,W) (N,Cin,H,W) 和 output ( N , C o u t , H o u t , W o u t ) (N,C_{out},H_{out},W_{out}) (N,Cout,Hout,Wout)的层的输出值可以精确描述为：
o u t ( N i , C o u t j ) = b i a s ( C o u t j ) + ∑ k = 0 C i n − 1 w e i g h t ( C o u t j , k ) ∗ i n p u t ( N i , k ) out(N_i,C_{out_{j}})=bias(C_{out_{j}})+\sum_{k=0}^{C_{in}-1}weight(C_{out_{j}},k)*input(N_{i},k) out(Ni,Coutj)=bias(Coutj)+k=0∑Cin−1weight(Coutj,k)∗input(Ni,k)
其中 ⋆ ⋆ ⋆ 是有效的 2D 互相关运算符， N N N是批量大小， C C C 表示通道数， H H H是输入平面的高度（以像素为单位）， W W W是宽度（以像素为单位）。
该模块支持 TensorFloat32。
- stride 控制互相关的步幅，单个数字或元组。
- padding 控制应用于输入的填充量。它可以是一个字符串 {'valid'， 'same'} 或一个 int / 一个 int 元组，给出在两侧应用的隐式填充量。
- dilation 控制内核点之间的间距;也称为 à trous 算法。这更难描述，但这个链接很好地可视化了 dilation 它的作用。
- groups 控制输入和输出之间的连接。 in_channels ，并且 out_channels 两者都必须能被 groups 整除。例如
在 groups=1 时，所有输入都与所有输出进行卷积。
在 groups=2 时，该作相当于并排有两个 conv 层，每个 conv 层看到一半的 input channels，产生一半的 output channels，然后两个 级联。 - 在 groups= in_channels 处，每个输入通道都与自己的一组滤波器（大小 o u t _ c h a n n e l s i n _ c h a n n e l s \frac{out\_channels}{in\_channels} in_channelsout_channels）进行卷积。
参数 kernel_size ， stride dilation ， padding ， 可以是：
- 一个整数 -- 在这种情况下，height 和 width 维度使用相同的值
- 两个整数的元组 -- 在这种情况下，第一个 int 用于高度维度，第二个 int 用于宽度维度
2、Parameters 参数
- in_channels （int） -- 输入图像中的通道数
- out_channels （int） -- 卷积产生的通道数
- kernel_size （int or tuple） -- 卷积内核的大小
- stride （int or tuple， optional） - 卷积的步幅。默认值：1
- padding （int， tuple or str， optional） -- 添加到输入的所有四个边的填充。默认值：0
- dilation （int 或 tuple，可选） -- 内核元素之间的间距。默认值：1
- groups （int， optional） -- 从输入通道到输出通道的阻塞连接数。默认值：1
- bias （bool， optional） -- 如果 ，则 True 向输出添加可学习的偏差。默认值： True
- padding_mode （str，可选） -- 'zeros' 、 'reflect' 'replicate' 或 'circular' .默认值： 'zeros'
3、Shape: 形状
- 输入： ( N , C i n , H i n , W i n ) (N,C_{in},H_{in},W_{in}) (N,Cin,Hin,Win) 或 ( C i n , H i n , W i n ) (C_{in},H_{in},W_{in}) (Cin,Hin,Win)
- 输出： ( N , C o u t , H o u t , W o u t ) (N,C_{out},H_{out},W_{out}) (N,Cout,Hout,Wout) 或 ( C o u t , H o u t , W o u t ) (C_{out},H_{out},W_{out}) (Cout,Hout,Wout)
其中：
H o u t = H i n + 2 × p a d d i n g \[ 0 − d i l a t i o n 0 × ( k e r n e l s i z e 0 − 1 ) − 1 s t r i d e 0 + 1 ] H_{out}=\\frac{H_{in}+2\\times padding\[0-dilation0\times (kernel_size0-1)-1}{stride0}+1] Hout=stride\[0Hin+2×padding0−dilation0×(kernelsize0−1)−1+1]
W o u t = W i n + 2 × p a d d i n g \[ 1 − d i l a t i o n 1 × ( k e r n e k s i z e 1 − 1 ) − 1 s t r i d e 1 + 1 ] W_{out}=\\frac{W_{in}+2 \\times padding\[1-dilation1 \times (kernek_size1-1)-1}{stride1}+1] Wout=stride\[1Win+2×padding1−dilation1×(kerneksize1−1)−1+1]
4、Variables 变量:
- weight (Tensor) ：形状为 ( o u t _ c h a n n e l s , i n _ c h a n n e l s g r o u p s , k e r n e l _ s i z e 0 , k e r n e _ s i z e 1 ) (out\_channels,\frac{in\_channels}{groups} , kernel\size0,kerne\size1) (out_channels,groupsin_channels,kernel_size0,kerne_size1)的模型的可学习权重。这些权重的值是从 u ( ( − k , k ) u((-\sqrt{k},\sqrt{k}) u((−k ,k )中抽样的， k = g r o u p s C i n ∗ ∏ i = 0 1 k e r n e l _ s i z e i k=\frac{groups}{C{in}* {\textstyle \prod{i=0}^{1}}kernel\_sizei } k=Cin∗∏i=01kernel_sizeigroups
- bias (Tensor) ：形状 ( o u t _ c h a n n e l s ) (out\channels) (out_channels)的模型的可学习偏差。如果 bias 是True 则这些权重的值从 u ( ( − k , k ) u((-\sqrt{k},\sqrt{k}) u((−k ,k )中抽样， k = g r o u p s C i n ∗ ∏ i = 0 1 k e r n e l _ s i z e i k=\frac{groups}{C{in}* {\textstyle \prod_{i=0}^{1}}kernel\_sizei } k=Cin∗∏i=01kernel_sizeigroups
5、例子
python
# 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)