哔哔大学PyTorch深度学习入门教程(绝对易懂！ 【小土堆】
的P17描述了卷积操作的使用实例。
首先，要做的效果如图所示。 在一个非常简单的输入图像中，卷积内核首先与输入图像的左上角33对齐，然后乘以相应的网格，再加上九个网格。 也就是说，1 22 0*1…下一边的第一个表达式得到卷积后输出的第一个值——10。 Stride=1意味着卷积内核向左移动一个网格并计算输出的第二个值——12。
其代码实现如下
将importtorchimporttorch.nn.functional ASF #卷积函数，即图像中的两个矩阵相乘并相加。 140122 input=torch.tensor ([ 1，2，0，3，1 ]，[0] [ 5，2，3，1，1 ]，[ 2，1，0，0，1 ] ) #两个大括号的说明是二维矩阵5 ) ) Kernel=Torch.Reshape(Kernel，)、1、1、3、3 ) )一个调整大小工具print(# input.shape ) ) input的大小print (kernet ) 在stride=1)从print(output )得到的ouput与图像中的卷积后的输出相同) stride=2的情况下，即卷积内核在输入图像上各2个格地进行output2=f.conv 2d (iid ) kernel移动，stride=2) print(output2) ) stride=1，padding=2时，即，首先在输入图像的上下左右先绕0一周，卷积内核在输入图像上一格一格地输出
结果如图所示，与自己计算的效果相同：