pytorch中卷积参数的理解

上图链接

kernel_size代表着卷积核，例如kernel_size=3或kernel_size=（3，7）；
stride：表明卷积核在像素级图像上行走的步长，如图2，步长为1；
padding:为上下左右填充的大小，例如padding=0/1/（1，1）/（1，3），
padding=0 不填充；
padding=1/（1，1） 上下左右分别填充1个格；
padding=（1，3） 高（上下）填充2个格，宽（左右）填充6个格；

卷积代码

torch.nn.Conv2d(512,512,kernel_size=(3,7),stride=2,padding=1)

指定输出形状的上采样

def upsample_add(self,x,y):
        _,_,H,W = y.size()
        return F.interpolate(x, size=(H,W), mode='bilinear', align_corners=False) + y

反卷积上采样，output_shape_w=kernel_size_w+(output_w-1)(kernel_size_w-1)+2padding

self.upscore2 = nn.ConvTranspose2d(
            512, 1, kernel_size=3, stride=2,padding=0, bias=False)