卷积层中需要用到卷积核(滤波器或特征检测器)与图像特征矩阵进行点乘运算,利用卷积核与对应的特征感受域进行划窗式运算时,需要设定卷积核对应的大小、步长、个数以及填充的方式。以最简单的例子进行说明:输入信号的形式为 ( N , Cin , H , W ),N 表示batch size,Cin表示channel个数,H,W 分别表示特征图的高和宽。
① in_channels(int) – 输入信号的通道
② out_channels(int) – 卷积产生的通道
③ kerner_size(int or tuple) - 卷积核的尺寸
④ stride(int or tuple, optional) - 卷积步长
⑤ padding(int or tuple, optional) - 输入的每一条边补充0的层数
⑥ dilation(int or tuple, optional) – 卷积核元素之间的间距
⑦ groups(int, optional) – 从输入通道到输出通道的阻塞连接数
⑧ bias(bool, optional) - 如果bias=True,添加偏置