in_channels —— 输入的channels数
out_channels —— 输出的channels数
kernel_size ——卷积核的尺寸,可以是方形卷积核、也可以不是,下边example可以看到
stride —— 步长,用来控制卷积核移动间隔
padding ——输入边沿扩边操作
padding_mode ——扩边的方式
bias ——是否使用偏置(即out = wx+b中的b)
dilation —— 这个参数简单说,设定了取数之间的间隔
groups —— 进行分组卷积的组数
以下是官方给出了几个例子,可以供大家参考:
1)方形卷积核、行列相同步长(With square kernels and equal stride)
即输入的channels数为16,输出的channels数为33,卷积核大小为3*3,步长为2;
2)非方形卷积核、行列采用不同步长,并进行扩边
即输入的channels数为16,输出的channels数为33,卷积核大小为3*5,步长行、列方向分别为2、1,0扩充4行2列的边界;
3)非方形卷积核、行列采用不同步长、数据采用稀疏,并进行扩边
即输入的channels数为16,输出的channels数为33,卷积核大小为3*5,步长行、列方向分别为2、1,0扩充4行2列的边界,取数据行间隔3列间隔1;