torch.nn.functional.conv2d

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

Применяет 2D свёртку к входному изображению, состоящему из нескольких входных каналов.

Этот оператор поддерживает TensorFloat32.

См. Conv2d для получения подробностей и формы вывода.

Примечание

В некоторых ситуациях, когда заданы тензоры на устройстве CUDA 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) установкой torch.backends.cudnn.deterministic = True. См. Воспроизводимость для получения дополнительной информации.

Примечание

Этот оператор поддерживает комплексные типы данных, т.е. complex32, complex64, complex128.

Параметры

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

• padding –

  явные дополнения по обе стороны от входных данных. Может быть строкой {‘valid’, ‘same’}, одиночным числом или кортежем (padH, padW). Значение по умолчанию: 0 padding='valid' эквивалентно отсутствию дополнений. padding='same' дополняет входные данные так, чтобы вывод имел такую же форму, как и вход. Однако этот режим не поддерживает никакие значения шага, отличные от 1.

  Предупреждение

  Для padding='same', если weight имеет чётную длину и dilation является нечётным в любом измерении, может потребоваться полная операция pad(). Это может снизить производительность.

• dilation – расстояние между элементами ядра. Может быть одиночным числом или кортежем (dH, dW). Значение по умолчанию: 1
• groups – разбиение входных данных на группы, как $\text{in\_channels}$, так и $\text{out\_channels}$ должны быть делимы на количество групп. Значение 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)