本文共 2516 字，大约阅读时间需要 8 分钟。

参考论文：《Pyramidal Convolution: Rethinking Convolutional Neural Networks for Visual Recognition》

1. 金字塔卷积形式：

核心是使用多个大小不同的卷积对input feature maps进行卷积操作

标准的卷积操作中，每个卷积核的通道和input feature的通道一致。PyConv中，随着卷积核size增大，通道大小减少，此时需要使用Grouped Convolution。Group分组的对象是input feature的通道，每n个为一组，

torch.nn.Conv2d(in_channels: int,                out_channels: int,                kernel_size: Union[T, Tuple[T, T]],                stride: Union[T, Tuple[T, T]] = 1,                 padding: Union[T, Tuple[T, T]] = 0,                  dilation: Union[T, Tuple[T, T]] = 1,                  groups: int = 1,                  bias: bool = True,                  padding_mode: str = 'zeros')

这是pytorch的Conv2d函数的参数列表，其中groups就代表grouped convolution的参数，将输入channel和输出channel划分为groups段（因此要求channel数量和groups具有一定的整除关系）。每一段内部单独进行卷积操作，卷积核大小为函数传入的kernel_size。由此，通过grouped convolution便可以实现使用不同大小卷积核进行卷积的操作

class PyConv4(nn.Module):    def __init__(self, inplans, planes, pyconv_kernels=[3, 5, 7, 9], stride=1, pyconv_groups=[1, 4, 8, 16]):        super(PyConv4, self).__init__()        self.conv2_1 = conv(inplans, planes//4, kernel_size=pyconv_kernels[0], padding=pyconv_kernels[0]//2,                            stride=stride, groups=pyconv_groups[0])        self.conv2_2 = conv(inplans, planes//4, kernel_size=pyconv_kernels[1], padding=pyconv_kernels[1]//2,                            stride=stride, groups=pyconv_groups[1])        self.conv2_3 = conv(inplans, planes//4, kernel_size=pyconv_kernels[2], padding=pyconv_kernels[2]//2,                            stride=stride, groups=pyconv_groups[2])        self.conv2_4 = conv(inplans, planes//4, kernel_size=pyconv_kernels[3], padding=pyconv_kernels[3]//2,                            stride=stride, groups=pyconv_groups[3])    def forward(self, x):        return torch.cat((self.conv2_1(x), self.conv2_2(x), self.conv2_3(x), self.conv2_4(x)), dim=1)

2. Local PyConv and Global PyConv

1x1的identity层主要是将channel统一至512。在Global Pyconv Block中，Adaptive Avg Poll目的是将input feature的size下降到9x9，恰好是最大的卷积核的大小，从而能够获取到全局信息，故而称之为“全局”。同时需要将局部和全局信息进行合并，方法类似于上面PyConv Block的实现形式，利用torch.cat连接结果。

3. 疑问1：卷积核大小不一致，最后output feature的size不会不一致吗？

具体可见Convolution Arthimetic.md

$$o_{size}=floor(\frac{i{n}_{size}+2p-k}{stride})+1$$