nn.Conv2d用法

nn.Conv2d是PyTorch中用于定义二维卷积层的类。它的用法如下：

import torch.nn as nn

# 创建一个Conv2d对象
conv = nn.Conv2d(in_channels, out_channels, kernel_size, stride, padding)

# 参数说明：
# in_channels：输入图像的通道数
# out_channels：输出图像的通道数，也是卷积核的个数
# kernel_size：卷积核的尺寸，可以是一个整数或者一个元组，如3或(3, 3)表示3x3的卷积核
# stride：卷积核移动的步长，可以是一个整数或者一个元组，如1或(2, 2)表示水平和垂直方向上的步长为2
# padding：在输入图像周围填充0的层数，可以是一个整数或者一个元组，如1或(1, 1)表示在水平和垂直方向上各填充1层0

# 使用Conv2d进行前向传播
output = conv(input)

# 参数说明：
# input：输入图像或特征图，形状为(batch_size, in_channels, height, width)
# output：输出特征图，形状为(batch_size, out_channels, output_height, output_width)

在使用Conv2d时，你需要根据具体的需求设置好参数，如输入通道数、输出通道数、卷积核尺寸等。然后通过调用Conv2d对象的`forward`方法进行前向传播，将输入图像或特征图传入即可得到输出特征图。