pytorch nn.Conv2d()中的padding以及输出大小方式
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("inputsize:",inputs.shape)
outputs1=conv1(inputs)
print("output1size:",outputs1.shape)
outputs2=conv2(inputs)
print("output2size:",outputs2.shape)
输出:
inputsize:torch.Size([1,1,3,3])
output1size:torch.Size([1,2,3,3])
output2size: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。
以上这篇pytorchnn.Conv2d()中的padding以及输出大小方式就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持毛票票。
声明:本文内容来源于网络,版权归原作者所有,内容由互联网用户自发贡献自行上传,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任。如果您发现有涉嫌版权的内容,欢迎发送邮件至:czq8825#qq.com(发邮件时,请将#更换为@)进行举报,并提供相关证据,一经查实,本站将立刻删除涉嫌侵权内容。
热门推荐
1 训练狗狗憋尿
2 狗狗追踪训练
3 狗狗训练要多少钱
5 深圳狗狗训练
6 训练狗狗唤回
7 狗狗叫怎么训练
8 狗狗训练班
10 狗狗社会化训练
11 狗狗叫回训练
12 广州狗狗训练学校
13 狗狗训练躺下
14 狗狗随行训练
15 训练狗狗巡回
16 狗狗要怎么训练
17 狗狗喂食训练
18 训练狗狗躺下