Torch中的卷积层（即nn.SpatialConvolution`和Pytorch中的卷积层（即torch.nn.Conv2d`）之间有什么区别

Question

我想知道Torch（即nn.SpatialConvolution）中的卷积层与Pytorch（即torch.nn.Conv2d）中的卷积层之间的差异

在Torch的文档中，我找到了SpatialConvolution的输出形状>

它说：“如果输入图像是3D张量nInputPlane x height x width，则输出图像大小将是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。

是否表示它们是不同的操作？

[我想知道Torch中的卷积层（即nn.SpatialConvolution）与Pytorch中的卷积层（即torch.nn.Conv2d）之间的区别。在Torch的文档中，我发现了...的输出形状...

Answer 1

是的，它们有所不同，因为torch没有dilation参数（有关膨胀的说明，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”，这就是在图像上滑动的部分） ）。