空间卷积的文档将其定义为

module = nn.SpatialConvolution(nInputPlane, nOutputPlane, kW, kH, [dW], [dH], [padW], [padH])

nInputPlane：图像中预期输入平面的数量，传入 forward()。

nOutputPlane：卷积层将产生的输出平面的数量。

我对火炬没有任何经验，但我想我在 keras 中使用过类似的功能

Convolution2D(64, 3, 3, border_mode='same', input_shape=(3, 256, 256))

它将 rgb 中 256*256 的图像形状作为输入。

我已经阅读了以下 Torch 中空间卷积的用法，但无法弄清楚 nInputPlane 和 nOutputPlane 参数对应的是什么？

local convLayer = nn.SpatialConvolutionMM(384, 384, 1, 1, 1, 1, 0, 0)

在上面的代码中，这些 384,384 代表什么？