卷積conv

卷積過程，類似于用一個(gè)模板，去圖像上尋找與它相似的區(qū)域，與卷積核模式越相似，激活值越高，也就是特征圖對應(yīng)的位置參數(shù)越高，從而實(shí)現(xiàn)相同特征的提取

卷積運(yùn)算，對應(yīng)位置先相乘，而后把相乘的數(shù)再進(jìn)行相加求和

一個(gè)卷積核在一個(gè)信號(hào)上是幾維卷積，就是幾維卷積

通常會(huì)涉及多個(gè)信號(hào)和多個(gè)卷積核的操作，比如在RGB三通道上，三個(gè)卷積核進(jìn)行的是2D的二維卷積操作，而不是看有幾個(gè)卷積核就是幾維卷積！

nn.Conv2d 對多個(gè)信號(hào)進(jìn)行二維卷積

RF1默認(rèn)為1

根據(jù)公式，L2層的感受野=1+(3-1)=3

L3層的感受野=3+(3-1)=5

output_channels:輸出通道數(shù)，也就是輸出特征圖的輸出數(shù)量，等價(jià)于kernel的個(gè)數(shù)

dilation: 空洞卷積大小，默認(rèn)為1。一般用于圖像分割任務(wù)，從而增大感受野，增大感受野有利于圖像分割，輸出圖像的一個(gè)像素能看到輸入圖像更大的區(qū)域

感受域：（感受野）

不管結(jié)點(diǎn)多深，感受域的大小始終是指輸入原圖的區(qū)域大小，而不是上一層的區(qū)域大小

RF1默認(rèn)為1

根據(jù)公式，L2層的感受野=1+(3-1)=3

L3層的感受野=3+(3-1)=5

輸出尺寸計(jì)算

dilation=1，padding=0時(shí)

三維張量實(shí)現(xiàn)二維卷積

輸入是RGB三個(gè)通道的二維圖像，其tensor是三維，然后創(chuàng)建三個(gè)二維的卷積核，三個(gè)卷積核分別對應(yīng)三個(gè)通道channels進(jìn)行卷積操作，最后三個(gè)通道的卷積結(jié)果相加，再加上偏置項(xiàng)bias，才得到特征圖的一個(gè)像素點(diǎn)的值！

在這里，一個(gè)卷積核在兩個(gè)維度上進(jìn)行滑動(dòng)，所以是二維的卷積操作！

轉(zhuǎn)置卷積：用于對圖像上采樣UpSample