1.簡介(torch.nn下的)

專業(yè)從事網(wǎng)站建設(shè)、成都網(wǎng)站建設(shè),高端網(wǎng)站制作設(shè)計,小程序開發(fā),網(wǎng)站推廣的成都做網(wǎng)站的公司。優(yōu)秀技術(shù)團隊竭力真誠服務(wù)，采用HTML5+CSS3前端渲染技術(shù)，成都響應(yīng)式網(wǎng)站建設(shè)公司，讓網(wǎng)站在手機、平板、PC、微信下都能呈現(xiàn)。建站過程建立專項小組，與您實時在線互動，隨時提供解決方案，暢聊想法和感受。

卷積層主要使用的有3類，用于處理不同維度的數(shù)據(jù)

參數(shù) Parameters：

in_channels(int) – 輸入信號的通道

out_channels(int) – 卷積產(chǎn)生的通道

kerner_size(int or tuple) - 卷積核的尺寸

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(shù)

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(shù)

bias(bool, optional) - 如果bias=True，添加偏置

class torch.nn.Conv1d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True)

一維卷積層。用于計算ECG等一維數(shù)據(jù)。

input: (N,C_in,L_in) N為批次，C_in即為in_channels，即一批內(nèi)輸入一維數(shù)據(jù)個數(shù)，L_in是是一維數(shù)據(jù)基數(shù)

output: (N,C_out,L_out) N為批次，C_in即為out_channels，即一批內(nèi)輸出一維數(shù)據(jù)個數(shù)，L_out是一維數(shù)據(jù)基數(shù)

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

二維卷積層。用于計算CT斷層或MR斷層，或二維超聲圖像，自然圖像等二維數(shù)據(jù)。

self.conv1 = nn.Conv2d( # 1*28*28 -> 32*28*28
      in_channels=1,
      out_channels=32,
      kernel_size=5,
      stride=1,
      padding=2 #padding是需要計算的，padding=（stride-1）/2
    )

另外有需要云服務(wù)器可以了解下創(chuàng)新互聯(lián)scvps.cn，海內(nèi)外云服務(wù)器15元起步，三天無理由+7*72小時售后在線，公司持有idc許可證，提供“云服務(wù)器、裸金屬服務(wù)器、高防服務(wù)器、香港服務(wù)器、美國服務(wù)器、虛擬主機、免備案服務(wù)器”等云主機租用服務(wù)以及企業(yè)上云的綜合解決方案，具有“安全穩(wěn)定、簡單易用、服務(wù)可用性高、性價比高”等特點與優(yōu)勢，專為企業(yè)上云打造定制，能夠滿足用戶豐富、多元化的應(yīng)用場景需求。

網(wǎng)頁標題：Pytorch之卷積層的使用詳解-創(chuàng)新互聯(lián)
分享路徑：http://weahome.cn/article/djjgii.html