机器学习与深度学习 / 系统课时
卷积层参数
卷积层参数
本课聚焦 torch.nn.Conv2d 的关键参数,解决“为什么输出尺寸会变化”这一常见问题。你将掌握卷积核、步幅、填充、扩张和分组的作用,并通过可运行代码验证不同配置产生的输出形状。
学习目标
- 根据卷积参数计算输出高度和宽度
- 区分
kernel_size、stride、padding、dilation和groups的职责 - 识别分组卷积的通道约束与典型用法
输出形状如何计算
对于输入高度 ,卷积后的输出高度为:
其中, 是卷积核大小, 是步幅, 是填充, 是扩张率。宽度使用同一公式独立计算。输出通道数不由该公式决定,而是直接等于 out_channels。
当 stride=1、dilation=1 且卷积核为奇数时,设置 padding=(kernel_size-1)/2 通常可以保持空间尺寸不变。只要步幅大于 1,输出尺寸通常仍会缩小。

五个关键参数
kernel_size 决定一次观察的局部窗口大小。卷积核越大,单层覆盖范围越广,但参数量和计算量也会增加。实际网络常用多个 3×3 卷积叠加,以逐步扩大感受野。
stride 决定卷积核每次移动的距离。步幅为 2 时,输出高度和宽度通常约减半,因此它常用于下采样。
padding 在输入边缘补值,默认补 0。合理填充可以保留边缘信息,也可以控制输出尺寸。
dilation 决定卷积核采样点之间的间隔。扩张率增大时,卷积核参数数量不变,但有效覆盖范围扩大。有效卷积核大小为 dilation × (kernel_size - 1) + 1。
groups 控制输入通道与输出通道的连接方式。groups=1 表示普通卷积;当 groups=in_channels 且 out_channels 是输入通道数的整数倍时,可形成深度卷积。
用代码验证参数效果
下面对同一个 (1, 4, 8, 8) 输入应用四种卷积配置,只比较输出形状,不涉及训练。
import torch
from torch import nn
x = torch.zeros(1, 4, 8, 8)
layers = {
"base": nn.Conv2d(4, 6, kernel_size=3),
"stride_padding": nn.Conv2d(4, 6, kernel_size=3, stride=2, padding=1),
"dilation": nn.Conv2d(4, 6, kernel_size=3, padding=2, dilation=2),
# 每个输入通道独立卷积,是最常见的深度卷积配置
"depthwise": nn.Conv2d(4, 4, kernel_size=3, padding=1, groups=4),
}
for name, layer in layers.items():
print(f"{name}: {tuple(layer(x).shape)}")预期输出:
base: (1, 6, 6, 6)
stride_padding: (1, 6, 4, 4)
dilation: (1, 6, 8, 8)
depthwise: (1, 4, 8, 8)基础卷积没有填充,所以 8×8 变为 6×6。第二层使用步幅 2 和填充 1,空间尺寸变为 4×4。第三层的有效卷积核为 5×5,同时填充 2,因此仍保持 8×8。深度卷积保持空间尺寸,但输出通道数由 out_channels=4 决定。
参数约束与常见错误
in_channels 和 out_channels 都必须能被 groups 整除,否则创建卷积层时会报错。分组数也不是越大越好:连接减少会降低计算量,但同时限制不同通道之间的信息融合。
计算输出形状时,最常见的错误是忽略扩张后的有效卷积核大小,或把填充只加一次。公式中的 2P 表示上下两侧或左右两侧各补 P 个位置。
需要严格保持尺寸时,应同时核对卷积核奇偶性、步幅和扩张率。对于复杂配置,先用公式估算,再通过一个虚拟张量运行层并打印 shape,是最可靠的验证方式。