Machine learning 什么'；“Torch”（即“nn.SpatialConvolution”）中的卷积层与“Pytorch”（即“Torch.nn.Conv2d”）中的卷积层不同

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，我找到了

SpatialConvolution

它表示“如果输入图像是三维张量

nInputPlane x height x width

，则输出图像大小将为

noutplane x oheight x owidth

，其中

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

"

它不同于Pytorch文档中的

torch.nn.Conv2d

---

这是否意味着它们是不同的操作？

是的，它们是不同的，因为

火炬

没有

膨胀

参数（有关膨胀的解释，请参见，基本上内核在每个内核元素宽度和高度之间有“空格”，这就是在图像上滑动的部分）

除了

膨胀

之外，这两个方程都是相同的（在

pytorch

的版本中将

膨胀

设置为一，并且相等）

---

如果您想在

torch

中使用

diagration

，则有一个单独的调用类。

因此

stride

在

torch

中默认等于

diagration

？因为当

width

=

Win

，

padW

=

padding[0]

，

kW

=

kernel\u size[0]

，

dW

=

stride

=

1

（即

Pytorch

中的默认值）时，我不能得到相同的答案和

膨胀=1

。火炬内无扩张；i、 e.膨胀始终有效为1英寸。