https://blog.csdn.net/qq_40210472/article/details/87895626
1. nn.Conv2d
nn.Conv2d 輸入信號的形式為(N, Cin, H, W), N表示batch size，Cin表示channel個數，H，W分別表示特征圖的高和寬。
參數說明：
-
stride(步長)：控制cross-correlation的步長，可以設為1個int型數或者一個(int, int)型的tuple。
-
padding(補0)：控制zero-padding的數目。
-
dilation(擴張)：控制kernel點（卷積核點）的間距;
-
groups(卷積核個數)：這個比較好理解，通常來說，卷積個數唯一，但是對某些情況，可以設置范圍在1 —— in_channels中數目的卷積核：
class torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True)
-
參數kernel_size，stride, padding，dilation也可以是一個int的數據
-
此時卷積height 和 width值相同; 也可以是一個tuple數組，tuple的第一維度表示height的數值，tuple的第二維度表示width的數值。
- 經常使用二維的kernel_size，如(3,5)，是tuple數組。
參數
-
in_channels(int) – 輸入信號的通道
-
out_channels(int) – 卷積產生的通道
-
kerner_size(int or tuple) - 卷積核的尺寸,在nlp中tuple用更多，（n,embed_size）
-
stride(int or tuple, optional) - 卷積步長
-
padding(int or tuple, optional) - 輸入的每一條邊補充0的層數
-
dilation(int or tuple, optional) – 卷積核元素之間的間距
-
groups(int, optional) – 從輸入通道到輸出通道的阻塞連接數
-
bias(bool, optional) - 如果bias=True，添加偏置
2. nn.MaxPool2d
class torch.nn.MaxPool2d(kernel_size, stride=None, padding=0, dilation=1, return_indices=False, ceil_mode=False)
- 如果padding 不是0，會在輸入的每一邊添加相應數目0，如padding=1，則在每一邊分別補0，其實最后的結果補出來是bias
參數：
-
kernel_size(int or tuple)： max pooling的窗口大小，可以為tuple，在nlp中tuple用更多，(n, 1)
- (n, m): height/n, width/m
-
stride(int or tuple, optional)： max pooling的窗口移動的步長。默認值是kernel_size
-
padding(int or tuple, optional)： 輸入的每一條邊補充0的層數
-
dilation(int or tuple, optional)： 一個控制窗口中元素步幅的參數
-
return_indices： 如果等於True，會返回輸出最大值的序號，對於上采樣操作會有幫助
-
ceil_mode： 如果等於True，計算輸出信號大小的時候，會使用向上取整，代替默認的向下取整的操作
