标准卷积的基础操作图解：

 卷积之后尺寸公式：

• 输入尺寸：W×H
• 卷积核尺寸：Fw​×Fh​
• 填充大小：P
• 步长：S

输出尺寸 Wout×Hout可以通过以下公式计算： 

其中[x]表示向下取整。

实例：

• 输入图像尺寸：5x5
• 卷积核尺寸：3x3
• 填充：1
• 步长：1

输出尺寸：

 所以输出特征图尺寸为5×5.

代码实例：

import torch
import torch.nn as nn# 创建随机输入张量 (batch_size, channels, height, width)
input_tensor = torch.randn(1, 1, 5, 5)  # 1个样本，1个通道，5x5大小的图像# 定义卷积层
conv_layer = nn.Conv2d(in_channels=1, out_channels=1, kernel_size=3, padding=1, stride=1)# 执行卷积操作
output_tensor = conv_layer(input_tensor)# 打印输出特征图的尺寸
print("Output tensor shape:", output_tensor.shape)

输出：

Output tensor shape: torch.Size([1, 1, 5, 5])

图来源： 【图解AI：动图】各种类型的卷积，你认全了吗？_卷积运算过程示意图-CSDN博客