计算nn.Conv2d与nn.ConvTranspose2d 输出尺寸

qq_40241443

已于 2022-04-18 16:19:25 修改

阅读量1.5k

点赞数

文章标签： python 深度学习

于 2022-04-18 16:18:46 首次发布

本文链接：https://blog.youkuaiyun.com/qq_40241443/article/details/124252285

版权

本文探讨了在神经网络中nn.Conv2d和nn.ConvTranspose2d模块的使用。通过实例展示了如何使用PyTorch创建一个卷积层和一个转置卷积层，并计算输入和输出尺寸。nn.Conv2d用于下采样，nn.ConvTranspose2d则常用于上采样或反卷积操作，它们在图像处理和深度学习模型中扮演关键角色。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

m = nn.Conv2d(64, 192, kernel_size=(6, 6), stride=(4, 4), padding=(1, 1))

nn.Conv2d:

out_size = （in_size - K + 2P）/ S +1

n = nn.ConvTranspose2d(192,64,kernel_size=(6, 6), stride=(4, 4), padding=(1, 1))

nn.ConvTranspose2d:

out_size = (in_size -1)*S-2P+k

from torch import nn
import torch

m = nn.Conv2d(64, 192, (6, 6), stride=(4, 4), padding=(1, 1))
n = nn.ConvTranspose2d(192,64,6,4,1)
inputa = torch.randn(1, 192, 64, 64)
print(inputa.size())
outputa = n(inputa)
print(outputa.size())