nn.conv2d()参数

nn.conv2d()是PyTorch中用于实现二维卷积操作的函数。它的主要参数如下：

- in_channels：输入张量的通道数（即输入张量的深度）。
- out_channels：输出张量的通道数（即卷积核的数量）。
- kernel_size：卷积核的大小，可以是一个整数，表示正方形卷积核的边长，也可以是一个元组，表示卷积核的高和宽。
- stride：卷积核在输入张量上移动的步长，可以是一个整数或元组，表示在高和宽上的步长。
- padding：输入张量四周补充的0的数目，可以是一个整数或元组，表示在高和宽两侧的补充数目。
- dilation：卷积核中每个元素之间的间距，可以是一个整数或元组。
- groups：输入通道分组数，可以是一个整数。
- bias：是否使用偏置项，默认为True。

示例：

import torch.nn as nn

# 输入张量的大小为 [batch_size, in_channels, height, width]
input_tensor = torch.randn(1, 3, 28, 28)

# 定义一个 3x3 的卷积核，输出通道数为 16，步长为 1
conv_layer = nn.Conv2d(in_channels=3, out_channels=16, kernel_size=3, stride=1, padding=1, dilation=1, groups=1, bias=True)

# 对输入张量进行卷积操作
output_tensor = conv_layer(input_tensor)

# 输出张量的大小为 [batch_size, out_channels, height, width]
print(output_tensor.shape)  # torch.Size([1, 16, 28, 28])