今天小编就为大家分享一篇Pytorch之卷积层的使用详解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

1.简介(torch.nn下的) 卷积层主要使用的有3类，用于处理不同维度的数据 参数 Parameters： in_channels(int) – 输入信号的通道 out_channels(int) – 卷积产生的通道 kerner_size(int or tuple) – 卷积核的尺寸 stride(int or tuple, optional) – 卷积步长 padding (int or tuple, optional)- 输入的每一条边补充0的层数 dilation(int or tu

当使用pytorch写网络结构的时候，本人发现在卷积层与第一个全连接层的全连接层的input_features不知道该写多少？一开始本人的做法是对着pytorch官网的公式推，但是总是算错。 后来发现，写完卷积层后可以根据模拟神经网络的前向传播得出这个。 全连接层的input_features是多少。首先来看一下这个简单的网络。这个卷积的Sequential本人就不再啰嗦了，现在看nn.Linear(？？？, 4096)这个全连接层的第一个参数该为多少呢？ 请看下文详解。 class Alex