我就廢話不多說了，直接上程式碼吧！

conv1=nn.Conv2d(1,2,kernel_size=3,padding=1)
conv2=nn.Conv2d(1,kernel_size=3)
 
inputs=torch.Tensor([[[[1,3],[4,5,6],[7,8,9]]]])
print("input size: ",inputs.shape)
outputs1=conv1(inputs)
print("output1 size: ",outputs1.shape)
outputs2=conv2(inputs)
print("output2 size: ",outputs2.shape)
 
輸出：
input size: torch.Size([1,1,3,3])
output1 size: torch.Size([1,3])
output2 size: torch.Size([1,1])

padding是指卷積前進行padding，這樣保證輸出的影象形狀大小與輸入相同，但是通道數channel改變了。

以上這篇pytorch nn.Conv2d()中的padding以及輸出大小方式就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支援我們。