Conv2d

class torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True, padding_mode='zeros', device=None, dtype=None) [source]

Применяет 2D свертку к входному сигналу, состоящему из нескольких входных плоскостей.

В самом простом случае выходное значение слоя с размером входа $(N, C_{\text{in}}, H, W)$ и выходом $(N, C_{\text{out}}, H_{\text{out}}, W_{\text{out}})$ можно точно описать как:

$$\text{out}(N_i, C_{\text{out}_j}) = \text{bias}(C_{\text{out}_j}) + \sum_{k = 0}^{C_{\text{in}} - 1} \text{weight}(C_{\text{out}_j}, k) \star \text{input}(N_i, k)$$

где $\star$ — оператор корреляции 2D, $N$ — размер пакета, $C$ обозначает число каналов, $H$ — высота входных плоскостей в пикселях, а $W$ — ширина в пикселях.

Этот модуль поддерживает TensorFloat32.

На некоторых устройствах ROCm, при использовании входных данных с плавающей точкой 16, этот модуль будет использовать разную точность для обратного распространения.

• stride управляет шагом корреляции, это может быть одно число или кортеж.
• padding управляет количеством применяемого заполнения к входу. Это может быть строка {‘valid’, ‘same’} или кортеж целых чисел, определяющий количество неявного заполнения по обеим сторонам.
• dilation управляет расстоянием между точками ядра; также известен как алгоритм à trous. Его сложнее описать, но в этой ссылке есть хорошая визуализация того, что dilation делает.

• groups управляет соединениями между входами и выходами. in_channels и out_channels должны быть кратными groups. Например,

  • При groups=1 все входы свёртываются ко всем выходам.
  • При groups=2 операция становится эквивалентной двум свёрточных слоям, расположенных рядом, каждый из которых видит половину входных каналов и производит половину выходных каналов, и оба из которых затем конкатенируются.
  • При groups= in_channels, каждый входной канал свёртывается со своим набором фильтров (размером $\frac{\text{out\_channels}}{\text{in\_channels}}$).

Параметры kernel_size, stride, padding, dilation могут быть:

• одним int — в этом случае одно и то же значение используется для высоты и ширины измерения
• кортежем из двух целых чисел — в этом случае первое int используется для измерения высоты, а второе int для измерения ширины

Примечание

Когда groups == in_channels и out_channels == K * in_channels, где K — положительное целое число, эта операция также известна как «свёртка по глубине».

Другими словами, для входных данных размером $(N, C_{in}, L_{in})$, свёртка по глубине с множителем глубины K может быть выполнена с аргументами $(C_\text{in}=C_\text{in}, C_\text{out}=C_\text{in} \times \text{K}, ..., \text{groups}=C_\text{in})$.

Примечание

В некоторых ситуациях, когда на устройстве CUDA заданы тензоры и используется CuDNN, этот оператор может выбрать недетерминированный алгоритм для повышения производительности. Если это нежелательно, вы можете попытаться сделать операцию детерминированной (возможно, с потерей производительности) установив torch.backends.cudnn.deterministic = True. См. Воспроизводимость для получения дополнительной информации.

Примечание

padding='valid' эквивалентно отсутствию заполнения. padding='same' заполняет вход так, чтобы выход имел такую же форму, что и вход. Однако этот режим не поддерживает значения шага, отличные от 1.

Примечание

Этот модуль поддерживает сложные типы данных, т. е. complex32, complex64, complex128.

Параметры:

• in_channels (int) – Количество каналов на входе изображения
• out_channels (int) – Количество каналов, производимых свёрткой
• kernel_size (int или кортеж) – Размер сверточного ядра
• stride (int или кортеж, необязательно) – Шаг свёртки. По умолчанию: 1
• padding (int, кортеж или строка, необязательно) – Заполнение, добавляемое ко всем четырём сторонам входных данных. По умолчанию: 0
• padding_mode (строка, необязательно) – 'zeros', 'reflect', 'replicate' или 'circular'. По умолчанию: 'zeros'
• dilation (int или кортеж, необязательно) – Расстояние между элементами ядра. По умолчанию: 1
• groups (int, необязательно) – Количество заблокированных соединений от входных каналов к выходным каналам. По умолчанию: 1
• bias (bool, необязательно) – Если True, добавляет обучаемый смещение к выходу. По умолчанию: True

Форма:

• Вход: $(N, C_{in}, H_{in}, W_{in})$ или $(C_{in}, H_{in}, W_{in})$

• Выход: $(N, C_{out}, H_{out}, W_{out})$ или $(C_{out}, H_{out}, W_{out})$, где

  $$H_{out} = \left\lfloor\frac{H_{in} + 2 \times \text{padding}[0] - \text{dilation}[0] \times (\text{kernel\_size}[0] - 1) - 1}{\text{stride}[0]} + 1\right\rfloor$$
  $$W_{out} = \left\lfloor\frac{W_{in} + 2 \times \text{padding}[1] - \text{dilation}[1] \times (\text{kernel\_size}[1] - 1) - 1}{\text{stride}[1]} + 1\right\rfloor$$

Переменные:

• weight (Тензор) – обученные веса модуля формы $(\text{out\_channels}, \frac{\text{in\_channels}}{\text{groups}},$ $\text{kernel\_size[0]}, \text{kernel\_size[1]})$. Значения этих весов берутся из $\mathcal{U}(-\sqrt{k}, \sqrt{k})$, где $k = \frac{groups}{C_\text{in} * \prod_{i=0}^{1}\text{kernel\_size}[i]}$
• bias (Тензор) – обучаемое смещение модуля формы (out_channels). Если bias является True, тогда значения этих весов берутся из $\mathcal{U}(-\sqrt{k}, \sqrt{k})$ где $k = \frac{groups}{C_\text{in} * \prod_{i=0}^{1}\text{kernel\_size}[i]}$

Примеры

>>> # With square kernels and equal stride
>>> m = nn.Conv2d(16, 33, 3, stride=2)
>>> # non-square kernels and unequal stride and with padding
>>> m = nn.Conv2d(16, 33, (3, 5), stride=(2, 1), padding=(4, 2))
>>> # non-square kernels and unequal stride and with padding and dilation
>>> m = nn.Conv2d(16, 33, (3, 5), stride=(2, 1), padding=(4, 2), dilation=(3, 1))
>>> input = torch.randn(20, 16, 50, 100)
>>> output = m(input)