`Torch` 中的卷积层（即 `nn.SpatialConvolution`）和 `Pytorch` 中的卷积层（即 `torch.nn.Conv2d`）有什么不同

Question

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

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，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)

"

这与 Pytorch 文档中的 torch.nn.Conv2d 不同。

是不是说它们是不同的操作？

Answer 1

是的，它们是不同的，因为 torch 没有 dilation 参数（膨胀解释见 here，基本上内核在每个内核元素宽度之间有 "spaces"和高度明智，这就是在图像上滑动的内容。

除了 dilation 两个方程是相同的（在 pytorch 的版本中将 dilation 设置为 1 并且它是相等的）。

如果您想在 torch 中使用 dilation，则有一个名为 nn.SpatialDilatedConvolution 的单独 class。