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。
❓
Q&A
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。
🏷️
