Torch中的卷积层(即nn.SpatialConvolution`)和Pytorch中的卷积层(即torch.nn.Conv2d)之间有什么区别

乔科福德

我想知道卷积层之间的差额Torch(即nn.SpatialConvolution)和卷积层Pytorch(即torch.nn.Conv2d

Torch的文档中,我找到了的输出形状SpatialConvolution

它说:“如果输入图像是三维张量nInputPlane x height x width,输出的图像大小将是nOutputPlane x oheight x owidth哪里

owidth  = floor((width  + 2*padW - kW) / dW + 1)
oheight = floor((height + 2*padH - kH) / dH + 1)

torch.nn.Conv2d与Pytorch文档中的有所不同

Pytorch中Conv2d的输出形状

这是否意味着它们是不同的操作?

希蒙·马斯凯(Szymon Maszke)

是的,它们是不同的,因为torch没有dilation参数(有关膨胀的说明,请参见此处,基本上内核在每个内核元素的宽度和高度之间都有“空间”,这就是在图像上滑动的空间)。

dilation两个方程式相同外(dilationpytorch的版本中设置为1且相等)。

如果要在其中使用dilationtorch则有一个单独的类称为nn.SpatialDilatedConvolution

本文收集自互联网,转载请注明来源。

如有侵权,请联系 [email protected] 删除。

编辑于
0

我来说两句

0 条评论
登录 后参与评论

相关文章