torch.nn.functional.conv3d#
- torch.nn.functional.conv3d(input, weight, bias=None, stride=1, padding=0, dilation=1, groups=1) Tensor #
将卷积核应用于由多个输入层组成的输入图像的 3D 卷积。
此操作符支持TensorFloat32。
有关详细信息和输出形状,请参阅
Conv3d
。注意
在某些情况下,当输入张量位于 CUDA 设备上并使用 CuDNN 时,此算子可能会选择非确定性算法以提高性能。如果这是不希望的,您可以尝试通过设置
torch.backends.cudnn.deterministic = True
来使操作确定性(可能会降低性能)。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
weight – 滤波器,形状为
bias – 可选偏置张量,形状为 。默认为 None
stride – 卷积核的步幅。可以是单个数字或元组 (sT, sH, sW)。默认为 1
padding –
输入两侧的隐式填充。可以是字符串 {‘valid’, ‘same’},单个数字或元组 (padT, padH, padW)。默认为 0
padding='valid'
等同于无填充。padding='same'
会填充输入,使输出具有与输入相同的形状。但是,此模式不支持任何步幅值,除了 1。警告
对于
padding='same'
,如果weight
是偶数长度且dilation
在任何维度上都是奇数,则内部可能需要进行完整的pad()
操作。这会降低性能。dilation – 卷积核元素之间的间距。可以是单个数字或元组 (dT, dH, dW)。默认为 1
groups – 将输入分成组, 应能被组数整除。默认为 1
示例
>>> filters = torch.randn(33, 16, 3, 3, 3) >>> inputs = torch.randn(20, 16, 50, 10, 20) >>> F.conv3d(inputs, filters)