`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

【问题标题】：What's different between convolution layer in `Torch`(i.e `nn.SpatialConvolution`) and convolution layer in `Pytorch`(i.e `torch.nn.Conv2d`)`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
【发布时间】：2020-03-26 09:27:47
【问题描述】：

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 Docs 中的 torch.nn.Conv2d 不同。

这是否意味着它们是不同的操作？

【问题讨论】：

标签： machine-learning conv-neural-network pytorch torch

【解决方案1】：

是的，它们是不同的，因为torch 没有dilation 参数（有关膨胀解释，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”，这就是滑过图片）。

除了dilation 之外，两个等式都是相同的（在pytorch 的版本中将dilation 设置为一个并且它是相等的）。

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

【讨论】：

所以stride 在Torch 中默认等于dilation？因为当width = Win, padW = padding[0], kW = kernel_size[0], dW = dilation[0] 而stride = @987654343 时我无法得到相同的答案Pytorch中的默认值）
@Chocoford 没有dW = stride[0] 和dilation = 1。在 Torch 中没有膨胀；也就是说，在 Torch 中，膨胀总是有效的 1。