转自：https://blog.csdn.net/m0_37586991/article/details/87855342
import torch x = torch.randn(2,1,7,3) conv = torch.nn.Conv2d(1,8,(2,3)) res = conv(x) print(res.shape) # shape = (2, 8, 6, 1)输入： x [batch_size,channels,height_1,width_1] batch_size 一个batch中样例的个数 2 channels 通道数，也就是当前层的深度 1 height_1, 图片的高 7 width_1， 图片的宽 3
Conv2d的参数 [channels, output,height_2,width_2] channels, 通道数，和上面保持一致，也就是当前层的深度 1 output 输出的深度 8 height_2,过滤器filter的高 2 width_2，过滤器filter的宽 3
输出： res [batch_size, output,height_3,width_3] batch_size，一个batch中样例的个数， 同上 2 output 输出的深度 8 height_3,卷积结构的高度 6=height_1-height_2+1=7-2+1 width_3, 卷积结果的宽度 1=width_1-width_2+1=3-3+1
