nn.Conv2d 的 groups

nn.Conv2d的groups参数用于决定将输入数据分为几组进行卷积操作。每组中的通道数会被重复使用，重复次数由输出通道数(out_channels)除以组数(groups)得到。这也意味着groups需要能够整除输入通道数(in_channels)和输出通道数(out_channels)。

下面是一个示例：

import torch
import torch.nn as nn

# 定义输入数据
input_data = torch.randn(1, 6, 4, 4)  # 输入数据维度为[batch_size, in_channels, height, width]

# 创建卷积层，设置groups参数为2
conv = nn.Conv2d(in_channels=6, out_channels=12, kernel_size=3, stride=1, padding=1, groups=2)

# 进行卷积操作
output = conv(input_data)

# 输出结果的维度
print(output.size())  # 输出：torch.Size([1, 12, 4, 4])

在上面的示例中，输入数据的维度为[1, 6, 4, 4]，其中1表示batch_size，6表示输入通道数，4和4表示输入数据的高度和宽度。创建的卷积层设置groups参数为2，输出通道数为12。经过卷积操作后，输出结果的维度为[1, 12, 4, 4]，其中12表示输出通道数，4和4表示输出数据的高度和宽度。