我想知道Torch中的卷积层(即nn.SpatialConvolution)和Pytorch中的卷积层(即torch.nn.Conv2d)
在Torch的文档中，我找到了SpatialConvolution的输出形状
它表示“如果输入图像是 3D 张量 nInputPlane x height x width，则输出图像大小将为 nOutputPlane x oheight x owidth 其中
owidth = floor((width + 2*padW - kW) / dW + 1)
oheight = floor((height + 2*padH - kH) / dH + 1)
"
这与 Pytorch 文档中的 torch.nn.Conv2d 不同。
这是否意味着它们是不同的操作？
最佳答案
是的，它们是不同的，因为 torch 没有 dilation 参数(有关膨胀说明，请参阅 here ，基本上内核在每个内核元素宽度之间都有“空格”和高度方面，这就是在图像上滑动的内容)。
除了dilation之外，两个方程都是相同的(在pytorch版本中将dilation设置为1并且它是相等的)。
如果您想在 torch 中使用dilation，有一个名为 nn.SpatialDilatedConvolution 的单独类。 .
关于machine-learning - `Torch`(即 `nn.SpatialConvolution` )中的卷积层和 `Pytorch`(即 `torch.nn.Conv2d` )中的卷积层有什么不同，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/59127541/