nn.conv2d用法

nn.Conv2d是PyTorch中用于实现二维卷积操作的函数，其用法如下所示：

nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True, padding_mode='zeros')

参数说明：

- in_channels: 输入张量的通道数。
- out_channels: 输出张量的通道数。
- kernel_size: 卷积核的大小，可以是一个整数或一个二元组。
- stride: 卷积核在图像上滑动的步长，可以是一个整数或一个二元组，默认为 1。
- padding: 在输入张量每个维度两侧添加的零填充数，可以是一个整数或一个二元组，默认为 0。
- dilation: 卷积核元素之间的间隔，可以是一个整数或一个二元组，默认为 1。
- groups: 输入和输出张量之间连接的组数，可以是一个整数，默认为 1。
- bias: 是否添加偏置项，可以是一个布尔值，默认为 True。
- padding_mode: 零填充的方式，可以是 'zeros' 或 'circular'。

使用示例：

import torch.nn as nn
import torch

# 定义一个二维卷积层
conv = nn.Conv2d(in_channels=3, out_channels=16, kernel_size=3, stride=1, padding=1)

# 构造一个输入张量
x = torch.randn(1, 3, 28, 28)

# 进行卷积操作
out = conv(x)

# 输出张量的形状
print(out.shape)

输出结果为：torch.Size([1, 16, 28, 28])，表示输出张量的形状为 1x16x28x28，其中 1 表示 batch size，16 表示输出通道数，28x28 表示输出张量的大小。