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)

对由几个输入平面组成的输入信号应用 1D 卷积。

在最简单的情况下，输入大小为 $(N, C_{\text{in}}, L)$ 和输出 $(N, C_{\text{out}}, L_{\text{out}})$ 的层的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 $\star$ 是有效的互相关算子，$N$ 是批大小，$C$ 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的精度。

• stride 控制互相关的步幅，可以是单个数字或单元素元组。

• padding 控制应用于输入的填充量。它可以是字符串 {‘valid’, ‘same’} 或整数元组，给出在两侧应用的隐式填充量。

• dilation 控制内核点之间的间距；也称为 à trous 算法。它更难描述，但是这个链接很好地可视化了 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，所有输入都与所有输出进行卷积。

  • 当 groups=2 时，操作相当于有两个并排的 conv 层，每个层看到一半的输入通道并产生一半的输出通道，然后两者再连接起来。

  • 当 groups= in_channels 时，每个输入通道都与其自己的一组过滤器（大小为 $\frac{\text{out\_channels}}{\text{in\_channels}}$）进行卷积。

注意

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

换句话说，对于大小为 $(N, C_{in}, L_{in})$ 的输入，可以使用参数 $(C_\text{in}=C_\text{in}, C_\text{out}=C_\text{in} \times \text{K}, ..., \text{groups}=C_\text{in})$ 执行深度可分离卷积 K。

注意

在某些情况下，当在 CUDA 设备上给定张量并使用 CuDNN 时，此运算符可能会选择非确定性算法来提高性能。如果这是不希望的，您可以尝试通过设置 torch.backends.cudnn.deterministic = True 使操作具有确定性（可能会牺牲性能）。有关更多信息，请参见可复现性。

注意

padding='valid' 与无填充相同。padding='same' 填充输入，使输出的形状与输入相同。但是，此模式不支持除 1 以外的任何步幅值。

注意

此模块支持复数数据类型，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) – 卷积的步幅。默认值：1

• padding (int, tuple 或 str, 可选) – 添加到输入两侧的填充。默认值：0

• dilation (int 或 tuple, 可选) – 内核元素之间的间距。默认值：1

• groups (int, 可选) – 从输入通道到输出通道的阻塞连接数。默认值：1

• bias (bool, 可选) – 如果 True，则向输出添加可学习的偏差。默认值：True

• padding_mode (str, 可选) – 'zeros', 'reflect', 'replicate' 或 'circular'。默认值：'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 $(\text{out\_channels}, \frac{\text{in\_channels}}{\text{groups}}, \text{kernel\_size})$。 这些权重的数值采样自 $\mathcal{U}(-\sqrt{k}, \sqrt{k})$，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，则这些权重的数值采样自 $\mathcal{U}(-\sqrt{k}, \sqrt{k})$，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)