我读了一些关于自动编码器的文章，并从$\mathbb｛R｝^｛N\times D｝\rightarrow\mathbb{R｝^｛N \times D｝$$空间中读取了编码器转换数据。我写了CNN自动编码器，例如有一层像这样：
self.conv1 = nn.Conv2d(1, 1, 5)
但当我应用x = F.relu(self.conv1(x))时，我当然会得到一个尺寸较小的图像(如果我一开始有尺寸torch.Size([1, 400, 1024])(术后出现CCD_ 3。
很明显，卷积降低了图像的维数(这很清楚：(，但我感兴趣的是，是否有一种方法可以保持特征的数量，然后用零填充其他特征，如果这是朝着正确的方向迈出的一步，那么问题就来了，用零填充哪些特征
P.S.我只使用一个通道，因为我希望最终结果在2d矩阵中，而且我的图像无论如何都是灰度级的。
我认为您需要添加padding="me">选项
self.conv1 = nn.Conv2d(1, 1, 5, padding='same')
这是确保输出尺寸不会缩小的常用方法当应用卷积层时。它填充之前的原始图像应用卷积，默认情况下使用零，而不是填充结果。
(如果这是Tensorflow，我可以肯定，但它看起来像火炬一样同样的方式。https://pytorch.org/docs/stable/generated/torch.nn.Conv2d.html)