最近复现很多DL算法（尤其是涉及到多尺度的情况），经常使用卷积操作，输入参数还需调整，很容易出现维度对不上的情况。方法比较老，有些操作细节不太记得了，这里整理一下。主要整理nn.Conv2d与nn.ConvTranspose2d（转置卷积）操作。
nn.Conv2d的使用
nn.Conv2d 实现二维卷积运算，核心作用是从输入的二维特征图中提取局部特征（比如边缘、纹理、形状等），是卷积神经网络（CNN）的基础组件。可以把卷积理解为：用一个 "过滤器（卷积核）" 在输入图像上滑动，逐位置计算加权求和，最终得到新的特征图。
nn.Conv2d 的初始化参数如下：
python
torch.nn.Conv2d(
in_channels: int, # 输入通道数（比如RGB图是3，灰度图是1）
out_channels: int, # 输出通道数（卷积核的数量）
kernel_size: Union[int, Tuple[int, int]], # 卷积核大小（如3表示3x3，(3,5)表示3行5列）
stride: Union[int, Tuple[int, int]] = 1, # 步长（卷积核滑动的步幅，默认1）
padding: Union[int, Tuple[int, int], str] = 0, # 填充（边缘补0，默认0；也可设'same'保持尺寸）
dilation: Union[int, Tuple[int, int]] = 1, # 空洞卷积的扩张率（默认1，普通卷积）
groups: int = 1, # 分组卷积的组数（默认1，普通卷积）
bias: bool = True, # 是否添加偏置项（默认True）
padding_mode: str = 'zeros'# 填充模式（默认补0，还有'reflect'/'replicate'等）
)基础使用示例：
python
import torch
import torch.nn as nn
# 1. 定义一个Conv2d层：输入3通道（RGB），输出16通道，卷积核3x3，步长1， padding=1（same padding）
conv_layer = nn.Conv2d(in_channels=3, out_channels=16, kernel_size=3, stride=1, padding=1)
# 2. 构造模拟输入：batch_size=2，3通道，高宽为32x32（比如2张32x32的RGB图片）
# 输入形状：[batch_size, in_channels, height, width]
input_tensor = torch.randn(2, 3, 32, 32)
# 3. 执行卷积运算
output_tensor = conv_layer(input_tensor)
# 4. 打印输入输出形状
print(f"输入形状: {input_tensor.shape}") # 输出：torch.Size([2, 3, 32, 32])
print(f"输出形状: {output_tensor.shape}") # 输出：torch.Size([2, 16, 32, 32])（padding=1+stride=1，尺寸不变）这里说明一下输出尺寸计算：
（1）无空洞卷积
示例验证：
- 输入尺寸 32，kernel_size=3，padding=1，stride=1：
(32+2∗1−3)/1+1=32 → 输出尺寸 32（和输入一致，即 same padding）。 - 若 padding=0，stride=2：向下取整 → 输出尺寸 16。
（2）有空洞卷积
空洞卷积的输出尺寸公式需要加入 dilation 参数，完整公式：
示例验证（空洞卷积）
python
import torch
import torch.nn as nn
# ========== 1. 定义普通卷积（dilation=1）和空洞卷积（dilation=2） ==========
# 普通卷积：3x3核，无空洞
conv_normal = nn.Conv2d(
in_channels=3, out_channels=16,
kernel_size=3, stride=1, padding=1, dilation=1
)
# 空洞卷积：3x3核，dilation=2（扩张率2）
# 注意：空洞卷积的padding需要对应调整，否则尺寸会缩小
conv_dilated = nn.Conv2d(
in_channels=3, out_channels=16,
kernel_size=3, stride=1, padding=2, dilation=2 # padding=2 保持尺寸不变
)
# ========== 2. 构造输入（单通道、10x10的特征图） ==========
# 输入形状：[batch_size, in_channels, H, W]
input_tensor = torch.randn(2, 3, 32, 32)
# ========== 3. 执行卷积 ==========
out_normal = conv_normal(input_tensor)
out_dilated = conv_dilated(input_tensor)
# ========== 4. 打印结果 ==========
print(f"输入形状: {input_tensor.shape}") # torch.Size([2, 3, 32, 32])
print(f"普通卷积输出形状: {out_normal.shape}") # torch.Size([2, 16, 32, 32])
print(f"空洞卷积输出形状: {out_dilated.shape}") # torch.Size([2, 16, 32, 32])
# 查看参数量（两者一致，因为卷积核尺寸都是3x3）
print(f"\n普通卷积参数量: {sum(p.numel() for p in conv_normal.parameters())}")
print(f"空洞卷积参数量: {sum(p.numel() for p in conv_dilated.parameters())}") nn.ConvTranspose2d的使用
nn.ConvTranspose2d（转置卷积层），它也常被称为 "反卷积"（虽然这个叫法并不严谨），核心作用是对二维特征图进行上采样（放大尺寸），是图像分割、生成对抗网络（GAN）等需要恢复高分辨率特征图任务的核心组件。
nn.ConvTranspose2d 并不是卷积的逆运算（不能完美还原卷积前的输入），而是通过 "补零 + 跨步卷积" 的方式实现特征图的尺寸放大。可以简单理解为：
- 普通卷积（nn.Conv2d）：下采样（缩小特征图，提取特征）；
- 转置卷积（nn.ConvTranspose2d）：上采样（放大特征图，恢复空间维度）。
nn.ConvTranspose2d的核心参数：
python
torch.nn.ConvTranspose2d(
in_channels: int, # 输入通道数（和普通卷积一致）
out_channels: int, # 输出通道数（和普通卷积一致）
kernel_size: Union[int, Tuple[int, int]], # 卷积核大小
stride: Union[int, Tuple[int, int]] = 1, # 步长（决定上采样倍数）
padding: Union[int, Tuple[int, int]] = 0, # 输入边缘填充（注意：作用和普通卷积相反）
output_padding: Union[int, Tuple[int, int]] = 0, # 输出边缘补零（解决尺寸对齐问题）
groups: int = 1, # 分组卷积组数
bias: bool = True, # 是否加偏置
dilation: Union[int, Tuple[int, int]] = 1, # 空洞卷积扩张率
padding_mode: str = 'zeros'# 填充模式
)⚠️ 关键区别：output_padding 是转置卷积独有的参数，用于微调输出尺寸，解决步长 > 1 时的尺寸歧义问题。
使用示例：（通过代码对比普通卷积和转置卷积的尺寸变化）
python
import torch
import torch.nn as nn
# ========== 1. 普通卷积（下采样） ==========
# 定义：输入1通道，输出1通道，3x3核，步长2，padding=1
conv = nn.Conv2d(in_channels=1, out_channels=1, kernel_size=3, stride=2, padding=1)
# 构造输入：1个样本，1通道，4x4特征图
x = torch.randn(1, 1, 4, 4)
# 普通卷积输出（下采样）
x_conv = conv(x)
print(f"普通卷积输入形状: {x.shape}") # torch.Size([1, 1, 4, 4])
print(f"普通卷积输出形状: {x_conv.shape}") # torch.Size([1, 1, 2, 2])（步长2导致尺寸减半）
# ========== 2. 转置卷积（上采样） ==========
# 定义：输入1通道，输出1通道，4x4核，步长2，padding=1，output_padding=0
conv_trans = nn.ConvTranspose2d(
in_channels=1, out_channels=1,
kernel_size=4, stride=2, padding=1, output_padding=0
)
# 对普通卷积的输出做转置卷积（上采样）
x_trans = conv_trans(x_conv)
print(f"转置卷积输入形状: {x_conv.shape}") # torch.Size([1, 1, 2, 2])
print(f"转置卷积输出形状: {x_trans.shape}") # torch.Size([1, 1, 4, 4])（还原回4x4）输出结果：
转置卷积的输出尺寸公式是普通卷积的 "逆运算"，完整公式：
常见场景的参数搭配（快速上采样）
注意：转置卷积虽然好用，但存在棋盘格效应（Checkerboard Artifact） ：由于卷积核的重叠不均，上采样后的特征图会出现类似棋盘格的伪影，这在 GAN 生成图像时尤其明显。
更优的上采样方式：插值 + 普通卷积：先用torch.nn.functional.interpolate 做插值上采样（如双线性插值），再用 1x1 或 3x3 卷积调整通道，避免棋盘格效应。
python
# 更优的上采样方式：插值 + 卷积
x = torch.randn(1, 1, 2, 2)
# 第一步：双线性插值上采样2倍
x_up = nn.functional.interpolate(x, scale_factor=2, mode='bilinear', align_corners=False)
# 第二步：普通卷积调整特征
conv_1x1 = nn.Conv2d(1, 1, kernel_size=1)
x_final = conv_1x1(x_up)
print(x_final.shape) # torch.Size([1, 1, 4, 4])