Pytorch中nn.Conv2d的用法

nn.Conv2d是二維卷積方法，相對應的還有一維卷積方法nn.Conv1d,常用於文本數據的處理，而nn.Conv2d一般用於二維圖像。

先看一下接口定義：

class torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True)

參數解釋：

stride：步長

zero-padding:圖像四周填0

dilation:控制 kernel 點之間的空間距離,這個看着定義有點抽象，看下面的圖就理解了（圖源）

groups:分組卷積

Convolution 層的參數中有一個group參數，其意思是將對應的輸入通道與輸出通道數進行分組, 默認值為1, 也就是說默認輸出輸入的所有通道各為一組。 比如輸入數據大小為90x100x100x32，通道數32，要經過一個3x3x48的卷積，group默認是1，就是全連接的卷積層。

如果group是2，那么對應要將輸入的32個通道分成2個16的通道，將輸出的48個通道分成2個24的通道。對輸出的2個24的通道，第一個24通道與輸入的第一個16通道進行全卷積，第二個24通道與輸入的第二個16通道進行全卷積。

極端情況下，輸入輸出通道數相同，比如為24，group大小也為24，那么每個輸出卷積核，只與輸入的對應的通道進行卷積。

來源：https://blog.csdn.net/qq_39938666/article/details/89378096

bias:卷積后是否加偏移量