解析平面卷积/pytorch的nn.Conv2d的计算步骤，in_channels与out_channels如何计算而来

关于二维图像卷积详细过程/pytorch-nn.Conv2d方法

nn.Conv2d(
  in_channels=inChannel, 
  out_channels=outChannel, 
  kernel_size=kernelSize, 
  stride=stride, 
  padding=padding,
)

具体详细步骤如图

详细说明

1. 定义outChannel个卷积块，每个卷积块有inChannel个卷积核，所以一共 inChannel * outChannel个卷积核
2. 输入块的每个通道与卷积核卷积，由此一来，每个卷积块得到一个中间块，共outChannel个块
3. 每个中间块通道相加，每个中间块压缩成一个平面，共outChannel个平面
4. 平面叠加起来，成一个输出块，所以输出块的通道为outChannel

其中各方法含义

• 通道相加 就像把一本书压成一张纸，每个数都相加
• 通道堆叠 把通道相加后的纸订成一本书，通道合并起来