torch.nn.functional.conv2d

torch.nn.functional.conv2d(input, weight, bias=None, stride=1, padding=0, dilation=1, groups=1) → Tensor [исходный код]

Применяет двумерную свёртку к изображению, состоящему из нескольких входных плоскостей.

Этот оператор поддерживает TensorFloat32.

Подробности и форму выходных данных см. в разделе Conv2d.

Примечание

В некоторых случаях при передаче тензоров на устройстве CUDA и использовании CuDNN этот оператор может выбирать недетерминированный алгоритм для повышения производительности. Если это нежелательно, можно попробовать сделать операцию детерминированной (возможно, ценой снижения производительности), задав torch.backends.cudnn.deterministic = True. Дополнительные сведения см. в разделе Воспроизводимость.

Примечание

Этот оператор поддерживает комплексные типы данных, то есть complex32, complex64, complex128.

Параметры:

• input – входной тензор формы $(\text{minibatch} , \text{in\_channels} , iH , iW)$
• weight – фильтры формы $(\text{out\_channels} , \frac{\text{in\_channels}}{\text{groups}} , kH , kW)$
• bias – необязательный тензор смещения формы $(\text{out\_channels})$. По умолчанию: None
• stride – шаг свёрточного ядра. Может быть одним числом или кортежем (sH, sW). По умолчанию: 1

• padding –

  неявное дополнение по обеим сторонам входных данных. Может быть строкой {‘valid’, ‘same’}, одним числом или кортежем (padH, padW). По умолчанию: 0 padding='valid' означает отсутствие дополнения. padding='same' дополняет входные данные так, чтобы выходные данные имели ту же форму, что и входные. Однако в этом режиме поддерживается только значение шага 1.

  Предупреждение

  Для padding='same', если weight имеет чётную длину, а dilation нечётно хотя бы в одном измерении, может потребоваться полная внутренняя операция pad(). Это снижает производительность.

• dilation – расстояние между элементами ядра. Может быть одним числом или кортежем (dH, dW). По умолчанию: 1
• groups – разделяет входные данные на группы; и $\text{in\_channels}$, и $\text{out\_channels}$ должны делиться на число групп. По умолчанию: 1

Примеры:

>>> # With square kernels and equal stride
>>> filters = torch.randn(8, 4, 3, 3)
>>> inputs = torch.randn(1, 4, 5, 5)
>>> F.conv2d(inputs, filters, padding=1)