动手学深度学习（pytorch）学习记录24-填充和步幅[学习记录]

填充

不填充：
假设输入图像高度为n1,宽度为n2，卷积核高宽为k1、k2,则输出形状为(n1-k1+1)×(n2-k2+1)，经过卷积后的图像越来越小，边缘信息不断丢失
填充：
假设添加p1行填充(一半在顶部，一半在底部)，添加p2列填充(一半在左侧一半在右侧)，输出形状为(n1-k1+p1+1)×(n2-k2+p2+1)
当设置p1=k1-1,p2=k2-1的时候，输入形状和输出形状一致。
如下例，给定宽高为8的输入，则输出的宽高也为8

import torch
from torch import nn


# 为了方便起见，我们定义了一个计算卷积层的函数。
# 此函数初始化卷积层权重，并对输入和输出提高和缩减相应的维数
def comp_conv2d(conv2d, X):
    # 这里的（1，1）表示批量大小和通道数都是1
    X = X.reshape((1, 1) + X.shape)# size变化 [8,8]-->[1,1,8,8]