torch.nn.functional.conv1d

torch.nn.functional.conv1d(input, weight, bias=None, stride=1, padding=0, dilation=1, groups=1) → Tensor

对由多个输入平面组成的输入信号进行1D卷积操作。

此操作符支持TensorFloat32。

请参阅 Conv1d 了解详细信息和输出形状。

注意

在某些情况下，当在 CUDA 设备上提供张量并使用 CuDNN 时，此运算符可能会选择一个非确定性算法来提高性能。如果这不可取，您可以尝试通过设置 torch.backends.cudnn.deterministic = True 来使操作确定性（可能会牺牲性能）。有关更多信息，请参阅 可复现性。

注意

此运算符支持复数数据类型，例如 complex32, complex64, complex128。

参数

• input – 输入张量，形状为 $(\text{minibatch} , \text{in\_channels} , iW)$

• weight – 形状为 $(\text{out\_channels} , \frac{\text{in\_channels}}{\text{groups}} , kW)$ 的滤波器。

• bias – 可选的偏置，形状为 $(\text{out\_channels})$。默认为 None。

• stride – 卷积核的步长。可以是单个数字或一个单元素元组 (sW,)。默认为 1。

• padding –

  输入两侧的隐式填充。可以是字符串 {‘valid’, ‘same’}、单个数字或一个单元素元组 (padW,)。默认为 0。 padding='valid' 与无填充相同。 padding='same' 会填充输入，使输出的形状与输入相同。但是，此模式不支持任何步长值，除了 1。

  警告

  对于 padding='same'，如果 weight 在任何维度上都是偶数长度且 dilation 是奇数，则内部可能需要完整的 pad() 操作。这会降低性能。

• dilation – 内核元素之间的间距。可以是单个数字或一个单元素元组 (dW,)。默认为 1。

• groups – 将输入分割成组，$\text{in\_channels}$ 必须能被组数整除。默认为 1。

示例

>>> inputs = torch.randn(33, 16, 30)
>>> filters = torch.randn(20, 16, 5)
>>> F.conv1d(inputs, filters)