PyTorch中常见的神经网络层有哪些？持续更新中。

本文共计5913个文字，预计阅读时间需要24分钟。

1. 卷积层

1.1 nn.Conv2d（1）原型

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)该函数由多个输入平面组成的输入平面生成输出。

1. Convolution Layers 1.1 nn.Conv2d

（1）原型

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)

　　在由多个输入平面组成的输入信号上应用2D卷积，简言之就是在多通道输入图像上进行卷积操作。

（2）参数

• in_channels(int)— 输入图像的通道数

• out_channels(int)— 输出图像（张量表示）的通道数

• kernel_size(intortuple)— 卷积核大小。