DEV Community
·
PyTorch 中的 Conv2d()
💡
原文英文，约700词，阅读约需3分钟。
📝
内容提要
本文介绍了卷积层的相关知识，包括Conv1d()、manual_seed()和requires_grad()等函数的用法。同时详细解释了Conv2d()函数的各个参数的初始化要求和默认值。通过示例代码展示了Conv2d()函数的使用方法，并给出了相应的输出结果。最后还介绍了使用复数张量进行卷积计算的方法。
🎯
关键要点
- 本文介绍了卷积层的相关知识，包括Conv1d()、manual_seed()和requires_grad()等函数的用法。
- 详细解释了Conv2d()函数的各个参数的初始化要求和默认值。
- Conv2d()函数的第一个参数是in_channels，必须为0或更大。
- 第二个参数是out_channels，必须为1或更大。
- 第三个参数是kernel_size，必须为1或更大，可以是整数、元组或列表。
- 第四个参数是stride，默认为1，可以是整数、元组或列表。
- 第五个参数是padding，默认为0，可以是整数、字符串或元组。
- 第六个参数是dilation，默认为1，必须为1或更大。
- 第七个参数是groups，默认为1，必须为1或更大。
- 第八个参数是bias，默认为True，如果为False，则设置为None。
- 第九个参数是padding_mode，默认为'zeros'，可以选择'zeros'、'reflect'、'replicate'或'circular'。
- 第十个参数是device，类型为字符串、整数或设备对象，默认为get_default_device()。
- 第十一个参数是dtype，类型为整数，默认为get_default_dtype()。
- Conv2d()函数的输入参数必须是浮点或复数张量，且其设备和数据类型必须与Conv2d()相同。
- Conv2d()会将requires_grad设置为True，默认情况下为False。
- 通过示例代码展示了Conv2d()函数的使用方法，并给出了相应的输出结果。
- 介绍了使用复数张量进行卷积计算的方法。
❓
延伸问答
Conv2d()函数的主要参数有哪些？
Conv2d()函数的主要参数包括in_channels、out_channels、kernel_size、stride、padding、dilation、groups、bias、padding_mode、device和dtype。
如何使用Conv2d()函数进行卷积计算？
使用Conv2d()函数时，需要创建一个卷积层实例并传入输入张量，示例代码如下：conv2d = nn.Conv2d(in_channels=1, out_channels=3, kernel_size=1); output = conv2d(input=tensor)。
Conv2d()函数的默认值是什么？
Conv2d()函数的默认值包括stride为1，padding为0，dilation为1，groups为1，bias为True，padding_mode为'zeros'，device和dtype默认为get_default_device()和get_default_dtype()。
Conv2d()函数的输入张量有什么要求？
Conv2d()函数的输入张量必须是浮点或复数类型，且其设备和数据类型必须与Conv2d()相同。
如何设置Conv2d()的requires_grad属性？
Conv2d()函数会将requires_grad属性设置为True，默认情况下为False。
Conv2d()函数支持复数张量吗？
是的，Conv2d()函数支持复数张量，使用时需将dtype设置为torch.complex64。
🏷️
标签
➡️
