pytorch卷积模块

nn.Conv2d()

常用的参数有in_channels,out_channels,kernel_size,stride,padding;

除此之外还有参数dilation,groups,bias

in_channels对应的是输入数据体的深度；

out_channels表示输出数据体的深度；

kernel_size表示滤波器（卷积核）的大小，可以使用一个数字来表示高和宽相同的卷积核，比如 kernel_size=3，也可以使用不同的数字来表示高和宽不同的卷积核，比如 kernel_size=（3， 2）；

stride表示滑动的步长；

padding=0表示四周不进行零填充，而 padding=1表示四周进行1个像素点的零填充；

bias是一个布尔值，默认 bias=True，表示使用偏置；

groups表示输出数据体深度上和输入数据体深度上的联系，默认 groups=1，也就是所有的输出和输入都是相关联的，如果 groups=2，这表示输入的深度被分割成两份，输出的深度也被分割成两份，它们之间分别对应起来，所以要求输出和输入都必须要能被 groups整除；

dilation表示卷积对于输入数据体的空间间隔，默认 dilation=1

nn.MaxPool2d()

参数有 kernel_size、stride、padding、dilation、return_indices、ceil_mode·

return_indices表示是否返回最大值所处的下标，默认return_indices=False； ·

ceil_mode表示使用一些方格代替层结构，默认ceil_mode=False，一般都不会设置这些参数。

nn.AvgPool2d（）表示均值池化，里面的参数和nn.MaxPool2d（）类似，但多一个参数 count_incl ude_pad，这个参数表示计算均值的时候是否包含零填充，默认 count_include_pad=True

PyTorch还提供了一些别的池化层，如
nn.LPPool2d（）、
nn.AdaptiveMaxPool2d（）

巴特西