Conv1d#

class torch.nn.Conv1d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True, padding_mode='zeros', device=None, dtype=None)[source]#

对由多个输入平面组成的输入信号进行1D卷积操作。

在最简单的情况下，具有输入大小 $(N, C_{\text{in}}, L)$ 和输出 $(N, C_{\text{out}}, L_{\text{out}})$ 的层输出值可以精确地描述为

\text{out}(N_i, C_{\text{out}_j}) = \text{bias}(C_{\text{out}_j}) + \sum_{k = 0}^{C_{in} - 1} \text{weight}(C_{\text{out}_j}, k) \star \text{input}(N_i, k)

其中 $\star$ 是有效的互相关运算符， $N$ 是批次大小， $C$ 表示通道数， $L$ 是信号序列的长度。

此模块支持 TensorFloat32。

在某些 ROCm 设备上，当使用 float16 输入时，此模块将对反向传播使用不同精度。

stride 控制互相关的步长，可以是一个数字或一个单元素元组。
padding 控制应用于输入的填充量。它可以是一个字符串 {‘valid’, ‘same’}，也可以是元组，其中包含应用于两侧的隐式填充量。
dilation 控制卷积核采样点之间的间距；也称为“à trous”算法。这个参数不太好描述，但这个链接提供了一个很好的可视化来展示 dilation 的作用。
groups 控制输入和输出之间的连接。in_channels 和 out_channels 都必须能被 groups 整除。例如，
- 当 groups=1 时，所有输入都会与所有输出进行卷积。
- 当 groups=2 时，操作相当于有两个并排的卷积层，每个层看到一半的输入通道并产生一半的输出通道，然后将两者连接起来。
- 当 groups= in_channels 时，每个输入通道都与一组它自己的滤波器进行卷积（滤波器的尺寸为 $\frac{\text{out\_channels}}{\text{in\_channels}}$ ）。

注意

当 groups == in_channels 且 out_channels == K * in_channels（其中 K 是一个正整数）时，此操作也称为“深度可分离卷积”。

换句话说，对于尺寸为 $(N, C_{in}, L_{in})$ 的输入，可以使用深度乘数 K 进行深度卷积，参数如下： $(C_\text{in}=C_\text{in}, C_\text{out}=C_\text{in} \times \text{K}, ..., \text{groups}=C_\text{in})$ 。

注意

在某些情况下，当在 CUDA 设备上使用张量并利用 CuDNN 时，此算子可能会选择非确定性算法以提高性能。如果这会带来不良影响，您可以尝试通过设置 torch.backends.cudnn.deterministic = True 来使操作确定性（但可能会牺牲性能）。有关更多信息，请参阅可复现性。

注意

padding='valid' 等同于不进行填充。padding='same' 会对输入进行填充，使输出的形状与输入相同。但此模式不支持除 1 以外的任何步长值。

注意

此模块支持复杂数据类型，即 complex32, complex64, complex128。

参数

in_channels (int) – 输入图像中的通道数
out_channels (int) – 卷积产生的通道数
kernel_size (int 或 tuple) – 卷积核的大小。
stride (int 或 tuple, 可选) – 卷积的步长。默认为 1。
padding (int, tuple 或 str, 可选) – 添加到输入两侧的填充。默认为 0。
dilation (int 或 tuple, 可选) – 卷积核元素之间的间距。默认为 1。
groups (int, 可选) – 从输入通道到输出通道的阻塞连接数。默认为 1。
bias (bool, 可选) – 如果为 True，则向输出添加可学习的偏置。默认为 True。
padding_mode (str, 可选) – 'zeros'（零填充）、'reflect'（反射填充）、'replicate'（复制填充）或 'circular'（循环填充）。默认为 'zeros'。

形状

输入： $(N, C_{in}, L_{in})$ 或 $(C_{in}, L_{in})$
输出： $(N, C_{out}, L_{out})$ 或 $(C_{out}, L_{out})$ ，其中

$L_{out} = \left\lfloor\frac{L_{in} + 2 \times \text{padding} - \text{dilation} \times (\text{kernel\_size} - 1) - 1}{\text{stride}} + 1\right\rfloor$

变量

weight (Tensor) – 模块的可学习权重，形状为 $(\text{out\_channels}, \frac{\text{in\_channels}}{\text{groups}}, \text{kernel\_size})$ 。这些权值从 $\mathcal{U}(-\sqrt{k}, \sqrt{k})$ 采样得出，其中 $k = \frac{groups}{C_\text{in} * \text{kernel\_size}}$ 。
bias (Tensor) – 模块的可学习偏置，形状为 (out_channels)。如果 bias 为 True，则这些权值从 $\mathcal{U}(-\sqrt{k}, \sqrt{k})$ 采样得出，其中 $k = \frac{groups}{C_\text{in} * \text{kernel\_size}}$ 。

示例

>>> m = nn.Conv1d(16, 33, 3, stride=2)
>>> input = torch.randn(20, 16, 50)
>>> output = m(input)

Conv1d#

文档

教程

资源