Pytorch 在Pytork中如何实现Conv2d的算法

我正在研究pytorch-onnx模型的推理模型，这就是为什么要问这个问题

假设我有一个尺寸为32 x 32 x 3的图像（CIFAR-10数据集）。我将它通过一个Conv2d，其尺寸为：

3x192x5x5

。我使用的命令是：

Conv2d（3192，内核大小=5，跨步=1，填充=2）

使用公式（此处所述供参考pg12），我应该得到尺寸为

28 x 28 x 192

（

input-kernel+1=32-5+1

）的输出图像

问题是PyTorch是如何实现这个4d张量

3x192x5x5

来获得

28x28192

的输出的？该层为4d张量，输入图像为2d张量

内核（

5x5

）如何在图像矩阵中分布？内核与first->

3x192

或

32x32

的卷积是什么

注意：我已经了解事物的2d方面。我问了3个或更多的问题。

输入是形状的张量

（N，C\u-in，H\u-in，W\u-in）

，输出是形状

（N，C\u-out，H\u-out，W\u-out）

，其中

N

是批量大小（图像数量），

C

是通道数量，

H

是高度，

W

是宽度。输出高度和宽度

H_out

，

W_out

计算如下（忽略膨胀）：

有关如何获得此公式的说明，请参见

在您的示例中，

N=1，H_In=32，W_In=32，C_In=3，内核大小=（5，5），跨步=（1，1），填充=（0，0）

，给出

H_out=28，W_out=28

C_out=192

意味着有192个不同的过滤器，每个过滤器的形状

（C_in，内核大小[0]，内核大小[1]）=（3,5,5）

。每个滤波器独立地与输入图像执行卷积，产生形状为

（H，u out，W，u out）=（28，28）

，并且由于存在

C\u out=192

滤波器和

N=1

图像，最终输出为形状

（N，C\u out，H，u out，W\u out）=（1，192，28，28）

要了解卷积是如何执行的，请参阅

---

最后一段是我想要的答案。万分感谢！

H_out = (H_in + 2*padding[0] - kernel_size[0]) / stride[0] + 1
W_out = (W_in + 2*padding[1] - kernel_size[1]) / stride[1] + 1