torch.rand() 是均匀采样，采样范围为0~1，torhc.randn是正太分布，均值为0，方差为1
| 函数 | 分布 | 均值 | 方差 | 取值范围 |
|---|---|---|---|---|
torch.rand | 均匀分布 U(0,1) | 0.5 | 1/12 ≈ 0.083 | [0, 1) |
torch.randn | 标准正态分布 N(0,1) | 0 | 1 | (−∞, +∞) |
X=torch.rand(size=(1,3,320,480))✅ 正确的部分：
- 形状解释是对的：
- 1：batch size（批量大小）
- 3：通道数（例如 RGB 图像的 3 个通道）
- 320：高度（height）
- 480：宽度（width）
所以这是一个典型的 单张彩色图像 的张量表示（batch=1）。
X = torch.rand(size=(1, 3, 320, 480)) 创建了一个形状为 (1, 3, 320, 480) 的张量，其中每个元素是独立地从 [0, 1) 区间上的均匀分布 中随机采样的。它常用于模拟一张 batch size 为 1、3 通道、高 320、宽 480 的图像数据，但像素值范围是 [0,1)，而非标准正态分布。
降低通道数量，不改变高宽的代码(增加1x1卷积网络层，)
net.add_module('final_conv',nn.Conv2d(512,num_classes,kernel_size=1))- 向网络 net 中添加了一个名为 ‘final_conv’ 的 1×1 卷积层。
- 该层将 输入的 512 个通道 映射为 21 个输出通道（对应 21 个类别）。
- 空间分辨率（H × W）保持不变，因为卷积核大小为 1×1 且默认无 padding/stride 改变尺寸。
- 批量大小（batch size）由输入数据决定，不是卷积层的参数。
补充说明（应用场景）：
这种结构常见于全卷积网络（FCN）用于语义分割：
主干网络（如 ResNet）提取出 (B, 512, H, W) 的高层特征；
最后的 1×1 卷积将通道数变为类别数，得到 logits (B, 21, H, W)；
后续通常接 softmax 或 cross_entropy_loss 进行像素级分类。
转置卷积的代码
net.add_module('transpose_conv', nn.ConvTranspose2d(num_classes, num_classes, kernel_size=64, padding=16, stride=32))nn.ConvTranspose2d(num_classes, num_classes, kernel_size=64, padding=16, stride=32)
- 是一个通道数保持不变（in=out=num_classes）的转置卷积层；
- 用于将空间分辨率放大 32 倍（高和宽都 ×32）；
- 参数经过精心设计，使得输出尺寸恰好为输入的 32 倍，常用于语义分割模型的最后一层上采样（如 FCN-32s）；
- 批量大小（batch size）仍然由输入决定，不是该层的参数。
📝 补充建议：
虽然这种大核转置卷积在早期 FCN 中使用，但现代方法（如 DeepLab、U-Net）更倾向于使用：
双线性插值 + 小卷积
或多个小步长转置卷积堆叠（如 stride=2 多次）
以减少计算量和伪影。双线性插值核（初始化转置卷积核权重，节省训练时间）
这是一个 用于初始化转置卷积（ConvTranspose2d）权重的双线性插值核（bilinear upsampling kernel），常用于语义分割中替代随机初始化的上采样层，以实现平滑、可学习但初始为插值行为的上采样。
defbilinear_kernel(in_channels,out_channels,kernel_size):factor=(kernel_size+1)//2ifkernel_size%2==1:center=factor-1else:center=factor-0.5og=(torch.arange(kernel_size).reshape(-1,1),torch.arange(kernel_size).reshape(1,-1))filt=(1-torch.abs(og[0]-center)/factor)*\(1-torch.abs(og[1]-center)/factor)weight=torch.zeros((in_channels,out_channels,kernel_size,kernel_size))weight[range(in_channels),range(out_channels),:,:]=filtreturnweight- 这个函数生成一个双线性插值上采样核，用于初始化 ConvTranspose2d 的权重。
- og 是坐标网格的行/列索引（用于构建二维位置）。
- filt 是一个非负的、中心对称的、峰值在中心的二维核，值域为 [0, 1]。
- 没有负数，不是 -1 到 1，也不是“先正后负”。因为先算括号里面的，再计算除法，再计算减法
- 当用作转置卷积权重时，它能实现近似双线性插值的上采样效果（尤其当 stride = kernel_size / 2 时）。
📌 应用场景示例：
假设我们有一个 1/8 下采样的特征图，想上采样回原图尺寸
conv_trans = nn.ConvTranspose2d(21, 21, kernel_size=16, stride=8, padding=4, bias=False) conv_trans.weight.data = bilinear_kernel(21, 21, 16)这样初始化后，该层初始行为就是双线性插值，训练时还可微调。
