Python3.8+PyTorch1.7.1中Conv2d输出空间维度计算结果与实际不符的疑问

你遇到的问题核心在于PyTorch对卷积输出空间维度的计算采用了地板除法（整数除法，舍去小数部分），而不是你使用的普通浮点数除法。

先明确你的参数：

• 输入空间维度 W=6
• 卷积核尺寸 K=3
• 步长 S=2
• 填充 P=1

你用的公式是通用的理论公式：

O = ((W - K + 2P)/S) + 1

代入后得到 (6-3+2*1)/2 +1 = 5/2 +1 = 3.5，但PyTorch实际输出是3。这是因为PyTorch的实际计算逻辑是：

O = floor((W - K + 2P)/S) + 1

代入数值计算：
floor((6-3+2*1)/2) +1 = floor(5/2)+1 = 2+1=3，正好和你看到的torch.Size([4,6,3,3])结果一致。

为什么PyTorch要这么做？ #

卷积操作中，当输入经过填充后的尺寸减去卷积核尺寸后，剩余的长度不足以完成一次完整的步长移动时，PyTorch默认会丢弃这些无法覆盖完整卷积核的边缘部分，而不是额外填充或者调整步长。这是卷积层的默认行为（除非你显式设置了padding_mode='same'或者使用其他特殊参数）。

手动模拟验证 #

我们可以手动模拟这个卷积过程：

1. 原输入是6x6，加上padding=1后，输入的有效尺寸变为8x8（每个维度上下左右各加1个0）。
2. 卷积核是3x3，步长为2：
   • 行方向上，卷积核的起始位置可以是0、2、4（下一个位置6的话，6+3=9超过8，所以停止），共3个位置。
   • 列方向同理，也是3个位置。
3. 最终输出的空间维度就是3x3，和PyTorch的输出完全匹配。

补充说明 #

如果你的输入尺寸变化，比如输入是7x7，同样的卷积参数，按照PyTorch的逻辑计算：
floor((7-3+2*1)/2)+1 = floor(6/2)+1=3+1=4，输出会是4x4，这也符合实际卷积的覆盖范围。

内容的提问来源于stack exchange，提问作者Arun