Conv2D()

参考链接

import torch
x = torch.randn(3,1,5,4)
print(x)
conv = torch.nn.Conv2d(1,4,(2,3))
res = conv(x)
print(res.shape)    # torch.Size([3, 4, 4, 2])

输入：x[ batch_size, channels, height_1, width_1 ]
batch_size，一个batch中样本的个数 3
channels，通道数，也就是当前层的深度 1
height_1， 图片的高 5
width_1， 图片的宽 4

卷积操作：Conv2d[ channels, output, height_2, width_2 ]
channels，通道数，和上面保持一致，也就是当前层的深度 1
output，输出的深度 4【需要4个filter】
height_2，卷积核的高 2
width_2，卷积核的宽 3
Conv2D产生的weight和bias
weight:(out_channels, in_channels, ker_size, ker_size) :::tips 假定给定weight: (64, 1, 3, 3), 则反推出input:(batch_size, 1, height, width) :::

输出：res[ batch_size,output, height_3, width_3 ]
batch_size,，一个batch中样例的个数，同上 3
output， 输出的深度 4
height_3， 卷积结果的高度 4
width_3，卷积结果的宽度 2