我就废话不多说了，直接上代码吧！

conv1=nn.Conv2d(1,2,kernel_size=3,padding=1)conv2=nn.Conv2d(1,2,kernel_size=3) inputs=torch.Tensor([[[[1,2,3], [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) 输出：input size: torch.Size([1, 1, 3, 3])output1 size: torch.Size([1, 2, 3, 3])output2 size: torch.Size([1, 2, 1, 1])

padding是指卷积前进行padding，这样保证输出的图像形状大小与输入相同，但是通道数channel改变了。

以上这篇pytorch nn.Conv2d()中的padding以及输出大小方式就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。