只改变通道数的卷积代码

下面是只改变通道数的卷积代码示例：

假设我们有一个输入张量 `x`，形状为 `(batch_size, in_channels, height, width)`， kernel_size 为 3，padding为1，stride为1，我们将通道数从 `in_channels` 改为 `out_channels`。

import torch

class Conv(torch.nn.Module):
    def __init__(self, in_channels, out_channels, kernel_size, padding=1, stride=1):
        super(Conv, self).__init__()
        self.conv = torch.nn.Conv2d(in_channels, out_channels, kernel_size, padding=padding, stride=stride)

    def forward(self, x):
        return self.conv(x)

# 改变通道数
in_channels = 64
out_channels = 128
kernel_size = 3
padding = 1
stride = 1

# 创建输入张量
batch_size, height, width = 1, 32, 32
x = torch.ones((batch_size, in_channels, height, width))

# 定义卷积层
conv = Conv(in_channels, out_channels, kernel_size, padding, stride)

# 前向传播
out = conv(x)

# 输出结果
print(out.shape)

通过使用 `torch.nn.Conv2d` 创建卷积层，并使用 `self.conv(x)` 进行前向传播，我们可以成功地改变了输入张量的通道数，并将卷积操作应用于新的张量。在上面的代码示例中，我们将通道数从 64 改为 128，其他参数保持不变。