来自B站视频，API查阅，TORCH.NN

• nn.Conv2d 中一般 kernel_size 是小奇数（很多是3），padding 设置为$\frac{k-1}{2}$（实际上padding的是$k-1$，因为参数的意义是左右各padding），padding 可以是 ‘same’

padding controls the amount of padding applied to the input. It can be either a string {‘valid’, ‘same’} or an int / a tuple of ints giving the amount of implicit padding applied on both sides.

• nn.Conv2d(2,4,3).weight.size() = [4,2,3,3]， nn.Conv2d(2,4,3).bias.size() = [4]
• point-wise convolution 即1x1 卷积仅做了通道的加权融合，没有考虑图片的局部关联性
• depth-wise convolution 是指 Conv2d 中 groups 大于 1 的情况，如果 groups=in_channels 不做通道的融合，分组计算之后合并
• 有文章提到残差block可以通过算子融合加速
• dilation 空洞卷积是增加感受野而不增加计算量的方法
• ConvMixer : patches are all you need，通过分离通道混合（depth-wise convolution）和空间混合（point-wise convolution）