神经网络-卷积层（Conv2d）

1. in_channels (输入通道数)

• 含义：输入图像或特征图（Feature Map）的深度（层数）。

• 通俗解释：
• 如果是第一层卷积，处理的是普通彩色图片（RGB），这个值通常是 3。
• 如果是黑白图片（灰度图），这个值是 1。
• 如果是中间层的卷积，这个值必须等于上一层输出的通道数。

2. out_channels (输出通道数)

• 含义：卷积操作完成后，输出的特征图的深度。

• 通俗解释：这也代表了这一层有多少个卷积核（Filter）。每一个卷积核都会提取一种特征，所以这个数值越大，网络能提取的特征种类就越多（但也意味着计算量变大）。

3. kernel_size (卷积核大小)

• 含义：定义卷积核（窗口）的长和宽。

• 类型：可以是整数（int），也可以是元组（tuple）。

• 通俗解释：
• 如果填 3，代表卷积核大小是 。
• 如果填 (3, 5)，代表卷积核大小是 。
• 最常用的是和。

4. stride (步长)

• 含义：卷积核在图像上滑动时，每次移动的像素距离。

• 默认值：1。

• 通俗解释：
• stride=1：卷积核一格一格地挪动，提取特征最细致。
• stride=2：卷积核跳着挪动（每次移两格）。这通常会导致输出图像的长宽减半（相当于进行了下采样/缩小图片）。

5. padding (填充)

• 含义：在输入图像的边缘周围补充数据的层数。

• 默认值：0。

• 通俗解释：如果不填充，卷积后的图像会变小（因为边缘像素没法被卷积核中心扫到）。
• 为了保持输出图像和输入图像尺寸一致（Same Padding），通常在使用3*3卷积核时设 padding=1。
• 填1代表在上下左右各补一圈像素。

6. dilation (空洞/膨胀系数)

• 含义：控制卷积核中元素点之间的间距。

• 默认值：1（标准卷积）。

• 通俗解释：
• 如果是 1，就是我们在课本上看到的紧密排列的卷积核。
• 如果是 2 或更大，卷积核的点之间会有空隙。这叫空洞卷积（Dilated Convolution）。它的作用是在不增加参数量的情况下，极大地扩大"感受野"（即卷积核能看到的范围）。

7. groups (分组卷积)

• 含义：控制输入和输出通道之间的连接方式。

• 默认值：1。

• 通俗解释：
• 1 (默认)：标准的卷积，所有的输入通道都会参与计算每一个输出通道。
• >1：将输入和输出分成几组，组内独立卷积。
• 特殊用法：当 groups = in_channels 时，就是深度可分离卷积（Depthwise Convolution），常用于移动端模型（如 MobileNet），能大幅减少计算量。

8. bias (偏置)

• 含义：是否给输出结果加上一个可学习的偏置项（y=wx+b中的b）。

• 默认值：True。

• 通俗解释：通常都设为 True。但是，如果你在卷积层后面紧接着用 BatchNorm（批归一化层），那么这里应该设为 False，因为 BatchNorm 自身有偏置项，这里加了也是多余的。

9. padding_mode (填充模式)

• 含义：决定 padding 时边缘补充什么数值。

• 默认值：'zeros'。

• 选项：
• 'zeros'：补 0（最常用，黑色边缘）。
• 'reflect'：反射填充（像照镜子一样复制边缘像素）。
• 'replicate'：复制填充（直接重复边缘像素）。
• 'circular'：循环填充。

神经网络-最大池化层的使用

1. kernel_size (池化核大小)

• 含义：池化窗口的大小。

• 类型：整数（int）或元组（tuple）。

• 通俗解释：这就好比一个筛子。
• 常用值是 2，表示 的窗口。
• 在这个窗口内，它只选出一个最大值，扔掉其他 3 个值。这直接导致数据量减少。

2. stride (步长) —— 注意这里！

• 含义：窗口移动的步长。

• 默认值：kernel_size（这是它和 Conv2d 最大的区别！）。

• 通俗解释：
• 在 Conv2d 中，步长默认是 1（重叠移动）。
• 在 MaxPool2d 中，如果你的 kernel_size=2，那么 stride 默认也是 2。这意味着窗口是不重叠地移动的。
• 如果你想要重叠池化（Overlapping Pooling），你需要手动设置 stride 小于 kernel_size。

3. padding (填充)

• 含义：在边缘填充的值。

• 说明：图片中提到 "Implicit negative infinity padding"（隐式负无穷填充）。

• 通俗解释：
• 因为这是最大池化，我们要找最大值。如果我们填 0，而图像原本的数据全是负数（比如 -5, -3），填 0 就会错误地变成最大值。
• 所以，PyTorch 在内部逻辑上会把它视为填充了"负无穷大"，这样填充的边缘永远不会被选中作为最大值，保证结果的真实性。

4. dilation (空洞/膨胀)

• 含义：控制窗口内元素的间距。

• 通俗解释：类似于空洞卷积。
• 通常我们在池化层很少用到这个参数，默认即可。
• 它的作用是让你在不增加计算量的情况下，在一个更大的范围内寻找最大值。

5. return_indices (返回索引) —— 很有用的参数

• 含义：布尔值。如果设为 True，函数不仅返回最大值本身，还会返回最大值所在的位置索引。

• 默认值：False。

• 用途：这是为了配合 MaxUnpool2d（最大反池化/上采样） 使用的。
• 场景：在做图像分割（如 SegNet）时，我们需要把缩小的图变回原样。为了恢复得比较准，我们需要知道之前缩小的时候，最大值是从哪个位置取出来的。这个参数就是用来记录这个"位置"的。

6. ceil_mode (天花板模式/向上取整)

• 含义：计算输出尺寸时，遇到除不尽的情况怎么办。

• 默认值：False（使用 floor，向下取整）。

• 通俗解释：
• 假设图像宽度是 5，池化核是 2，步长是 2。
• 5 / 2 = 2.5。
• ceil_mode=False (默认)：向下取整，输出宽度为 2。这意味着最后边缘多出来的 1 列像素被直接扔掉了。
• ceil_mode=True：向上取整，输出宽度为 3。这意味着由于边缘还有数据，它会保留这部分（通常配合 padding 计算），不让边缘信息丢失。

非线性激活

线性层

Sequenial