torch.nn.Conv2d( in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True)
- dilation ( int )——控制卷积核元素之间的距离，默认1
- groups ( int )——控制输入通道和输出通道的阻塞连接数，默认1
- group=1，输出是所有输入的卷积；
- group=2，相当于有两个并排的卷积层，每个卷积层计算输入通道的一半，输出也是输出通道的一半，随后将两个输出连接起来得到最后结果；
- group=in_channels，每一个输入通道分别和它对应的卷积核进行卷积
- kernel_size, stride, padding, dilation:
- 是int数时，表示height和width值相同
- 是tuple数组时，则分别表示height和weight
- bias ( bool ) —— 是否添加可学习的偏置到输出中
二维卷积层，输入到输出尺寸的计算：
参数变量：
- weight（tensor）——卷积的权重，（out_channels, in_channels, kernel_size）
- bias（tensor）——卷积的偏置，（out_channels）
个人学习记录，如有描述欠妥之处，欢迎大家指出交流~(*^__^*)
PyTorch使用笔记
原文：https://www.cnblogs.com/YeZzz/p/13041650.html
