如何设置pytorch nn.Conv2d()的padding和调整输出尺寸？
- 内容介绍
- 文章标签
- 相关推荐
本文共计213个文字，预计阅读时间需要1分钟。
不多说，直接上代码！+conv1=nn.Conv2d(1, 2, kernel_size=3, padding=1)+conv2=nn.Conv2d(1, 2, kernel_size=3)+inputs=torch.Tensor([[1, 2, 3], [4, 5, 6], [7, 8, 9]])+print(input size:, inputs.shape)+outputs1=conv1(inputs)+print('')
我就废话不多说了，直接上代码吧！
conv1=nn.Conv2d(1,2,kernel_size=3,padding=1) conv2=nn.Conv2d(1,2,kernel_size=3) inputs=torch.Tensor([[[[1,2,3], [4,5,6], [7,8,9]]]]) print("input size: ",inputs.shape) outputs1=conv1(inputs) print("output1 size: ",outputs1.shape) outputs2=conv2(inputs) print("output2 size: ",outputs2.shape) 输出： input size: torch.Size([1, 1, 3, 3]) output1 size: torch.Size([1, 2, 3, 3]) output2 size: torch.Size([1, 2, 1, 1])
padding是指卷积前进行padding，这样保证输出的图像形状大小与输入相同，但是通道数channel改变了。
本文共计213个文字，预计阅读时间需要1分钟。
不多说，直接上代码！+conv1=nn.Conv2d(1, 2, kernel_size=3, padding=1)+conv2=nn.Conv2d(1, 2, kernel_size=3)+inputs=torch.Tensor([[1, 2, 3], [4, 5, 6], [7, 8, 9]])+print(input size:, inputs.shape)+outputs1=conv1(inputs)+print('')
我就废话不多说了，直接上代码吧！
conv1=nn.Conv2d(1,2,kernel_size=3,padding=1) conv2=nn.Conv2d(1,2,kernel_size=3) inputs=torch.Tensor([[[[1,2,3], [4,5,6], [7,8,9]]]]) print("input size: ",inputs.shape) outputs1=conv1(inputs) print("output1 size: ",outputs1.shape) outputs2=conv2(inputs) print("output2 size: ",outputs2.shape) 输出： input size: torch.Size([1, 1, 3, 3]) output1 size: torch.Size([1, 2, 3, 3]) output2 size: torch.Size([1, 2, 1, 1])
padding是指卷积前进行padding，这样保证输出的图像形状大小与输入相同，但是通道数channel改变了。