Torch中的卷积层（即nn.SpatialConvolution`）和Pytorch中的卷积层（即torch.nn.Conv2d`）有何区别

Question

我想知道Torch（即nn.SpatialConvolution）中的卷积层和Pytorch（即torch.nn.Conv2d）中的卷积层之间的区别

在Torch的文档中，我发现了SpatialConvolution的输出形状

它说：“如果输入图像是3D张量nInputPlane x height x width，则输出图像大小将为nOutputPlane x oheight x owidth，其中

owidth  = floor((width  + 2*padW - kW) / dW + 1)
oheight = floor((height + 2*padH - kH) / dH + 1)

”

与Pytorch文档中的torch.nn.Conv2d不同。

这是否意味着它们是不同的操作？

Answer 1

是的，它们是不同的，因为torch没有dilation参数（有关膨胀的解释，请参见here，基本上，内核在每个内核元素的宽度和高度之间都有“空格”，这就是在图片上滑动的内容。

除了dilation以外，两个方程都是相同的（在dilation的版本中将pytorch设置为一个，并且相等）。

如果您想在dilation中使用torch，则有一个单独的类称为nn.SpatialDilatedConvolution。