Pytorch中的一些函数参数讲解

卷积中输出尺寸大小的计算

定义几个参数

输入图片大小 W×W
卷积核Filter大小F×F
stride步长为S
padding的像素数 P
于是我们可以得出计算公式为：
N = (W − F + 2P )/S+1，在对N进行向下取整

反卷积中输出尺寸大小的计算

class torch.nn.ConvTranspose2d(in_channels, out_channels, kernel_size, stride=1, padding=0, 
          output_padding=0, groups=1, bias=True, dilation=1)

参数的含义如下：

• in_channels(int) – 输入信号的通道数
• out_channels(int) – 卷积产生的通道数
• kerner_size(int or tuple) - 卷积核的大小
• stride(int or tuple,optional) - 卷积步长，即要将输入扩大的倍数。
• padding(int or tuple, optional) - 输入的每一条边补充0的层数，高宽都增加2*padding
• output_padding(int or tuple, optional) - 输出边补充0的层数，高宽都增加padding
• groups(int, optional) – 从输入通道到输出通道的阻塞连接数
• bias(bool, optional) - 如果bias=True，添加偏置
• dilation(int or tuple, optional) – 卷积核元素之间的间距

计算公式如下：

$$输出尺寸o$$