在Pytorch中计算卷积方法的区别详解(conv2d的区别)
在二维矩阵间的运算：
classtorch.nn.Conv2d(in_channels,out_channels,kernel_size,stride=1,padding=0,dilation=1,groups=1,bias=True)
对由多个特征平面组成的输入信号进行2D的卷积操作。详解
torch.nn.functional.conv2d(input,weight,bias=None,stride=1,padding=0,dilation=1,groups=1)
在由多个输入平面组成的输入图像上应用2D卷积，这个操作其实和上面的操作是一样的，只不过这个操作多用于计算一组卷积核对于输入的卷积结果，而上面的那条代码更多的则是用在定义网络中去。详解
以上这篇在Pytorch中计算卷积方法的区别详解(conv2d的区别)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。