nn.Conv2d(）作为最常用的卷积操作，有必要对其参数有一定了解。
nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True)
in_channels：输入通道
out_channels：输出通道
kerner_size-：卷积核的尺寸大小
stride：卷积步长，默认是1
padding：填充，对输入的每一条边进行补0操作，默认是0
dilation：膨胀大小，即卷积核元素之间的间距，默认是1
groups：分组设置，默认是1
bias：是否将一个学习到的bias增加输出中，默认是 True
疑惑点：
bias参数如何设置？什么时候加？什么时候不加？
解惑：
一般 nn.Conv2d() 和 nn.BatchNorm2d()是一起使用的，习惯上先卷积，再接BN，此时，bias一般设置成False（原因：因为有BN的存在，就没必要再添加bias，添加了也没什么效果，还会占显卡内存，BN干的工作已经替代了bias)
总结：
如果打算卷积操作后加BN层，那么bias设置为False；
反之没有BN层，bias设置为True;
文章出处登录后可见！
已经登录？立即刷新
