PyTorch conv2d() 函数详解：weight 参数及用例

在 torch.nn.functional.conv2d 函数中，weight 参数是卷积核的权重张量。它是一个四维张量，形状为 (output_channels, input_channels, kernel_height, kernel_width)，其中 output_channels 表示输出的通道数，input_channels 表示输入的通道数，kernel_height 和 kernel_width 表示卷积核的高度和宽度。\n\n用例：\n\npython\nimport torch\nimport torch.nn.functional as F\n\n# 创建输入张量\ninput = torch.randn(1, 3, 32, 32) # 输入通道数为 3，输入尺寸为 32x32\n\n# 创建卷积核权重张量\nweight = torch.randn(6, 3, 3, 3) # 输出通道数为 6，卷积核尺寸为 3x3\n\n# 进行卷积操作\noutput = F.conv2d(input, weight, stride=1, padding=1)\n\nprint(output.shape)\n\n\n上述代码中，创建了一个输入张量 input，形状为 (1, 3, 32, 32)，表示一个尺寸为 32x32 且通道数为 3 的输入。然后创建了一个卷积核权重张量 weight，形状为 (6, 3, 3, 3)，表示有 6 个输出通道，每个通道的卷积核尺寸为 3x3。最后，通过调用 F.conv2d 函数进行卷积操作，得到输出张量 output。输出张量的形状为 (1, 6, 32, 32)，表示尺寸为 32x32 且通道数为 6 的输出。\n\n注意：在函数 F.conv2d 中，还可以指定 stride 和 padding 等参数来控制卷积的步幅和填充方式。详情可参考 PyTorch 官方文档。