nn.Conv2d
nn.Conv2d是二維卷積方法，相對應的還有一維卷積方法nn.Conv1d,常用於文本數據的處理，而nn.Conv2d一般用於二維圖像。
先看一下接口定義：
class torch.nn.Conv2d(in_channels,
out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1,
bias=True)
參數解釋：
- stride：步長
- zero-padding:圖像四周填0
- dilation:控制 kernel 點之間的空間距離,這個看着定義有點抽象，看下面的圖就理解了
- groups:分組卷積
Convolution 層的參數中有一個group參數，其意思是將對應的輸入通道與輸出通道數進行分組, 默認值爲1, 也就是說默認輸出輸入的所有通道各爲一組。
比如輸入數據大小爲90x100x100x32，通道數32，要經過一個3x3x48的卷積，group默認是1，就是全連接的卷積層。
如果group是2，那麼對應要將輸入的32個通道分成2個16的通道，將輸出的48個通道分成2個24的通道。對輸出的2個24的通道，第一個24通道與輸入的第一個16通道進行全卷積，第二個24通道與輸入的第二個16通道進行全卷積。
極端情況下，輸入輸出通道數相同，比如爲24，group大小也爲24，那麼每個輸出卷積核，只與輸入的對應的通道進行卷積。
channel
在深度學習的算法學習中，都會提到 channels 這個概念。在一般的深度學習框架的 conv2d 中，如 tensorflow 、mxnet ，channels 都是必填的一個參數。
channels 該如何理解？
一般的RGB圖片，channels 數量是 3 （紅、綠、藍）；而monochrome圖片，channels 數量是 1
一般 channels 的含義是**，每個卷積層中卷積核的數量。**
爲什麼這麼說呢，看下面的例子：
如下圖，假設現有一個爲 6×6×3的圖片樣本，使用 3×3×3 的卷積核（filter）進行卷積操作。此時輸入圖片的 channels 爲 3 ，而卷積核中的 in_channels 與 需要進行卷積操作的數據的 channels 一致（這裏就是圖片樣本，爲3）。
接下來，進行卷積操作，卷積核中的27個數字與分別與樣本對應相乘後，再進行求和，得到第一個結果。依次進行，最終得到 4×4 的結果。
上面步驟完成後，由於只有一個卷積核，所以最終得到的結果爲 4×4×1， out_channels 爲 1 。
在實際應用中，都會使用多個卷積核。這裏如果再加一個卷積核，就會得到 4×4×2的結果。
總結一下，我偏好把上面提到的 channels 分爲三種：
- 最初輸入的圖片樣本的 channels ，取決於圖片類型，比如RGB；
- 卷積操作完成後輸出的 out_channels ，取決於卷積核的數量。此時的 out_channels 也會作爲下一次卷積時的卷積核的 in_channels；
- 卷積核中的 in_channels ，剛剛2中已經說了，就是上一次卷積的 out_channels ，如果是第一次做卷積，就是1中樣本圖片的 channels 。
說到這裏，相信已經把 channels 講的很清楚了。在CNN中，想搞清楚每一層的傳遞關係，主要就是 height,width 的變化情況，和 channels 的變化情況。
