快捷方式

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应用一维卷积。

在最简单的情况下,输入大小为 (N,Cin,L)(N, C_{\text{in}}, L) 且输出为 (N,Cout,Lout)(N, C_{\text{out}}, L_{\text{out}}) 的层的输出值可以精确地描述为

out(Ni,Coutj)=bias(Coutj)+k=0Cin1weight(Coutj,k)input(Ni,k)\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 表示有效的[互相关](https://en.wikipedia.org/wiki/Cross-correlation)运算符,NN 表示批次大小,CC 表示通道数量,LL 表示信号序列的长度。

此模块支持[TensorFloat32](../notes/cuda.html#tf32-on-ampere)。

在某些ROCm设备上,当使用float16输入时,此模块将使用[不同精度](../notes/numerical_accuracy.html#fp16-on-mi200)进行反向传播。

  • stride 控制互相关的步长,可以是单个数字或一个元素的元组。

  • padding 控制应用于输入的填充量。它可以是字符串{‘valid’, ‘same’},也可以是元组,表示在两侧应用的隐式填充量。

  • dilation 控制内核点之间的间距;也称为空洞算法。它难以描述,但[此链接](https://github.com/vdumoulin/conv_arithmetic/blob/master/README.md)对dilation的作用进行了很好的可视化。

  • groups 控制输入和输出之间的连接。in_channelsout_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卷积。

    • 当 groups=2 时,操作等效于并排放置两个卷积层,每个层查看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,每个输入通道都与其自身的过滤器集(大小为 out_channelsin_channels\frac{\text{out\_channels}}{\text{in\_channels}})进行卷积。

注意

groups == in_channelsout_channels == K * in_channels(其中 K 是正整数)时,此操作也称为“深度卷积”。

换句话说,对于大小为 (N,Cin,Lin)(N, C_{in}, L_{in}) 的输入,具有深度乘数 K 的深度卷积可以使用参数 (Cin=Cin,Cout=Cin×K,...,groups=Cin)(C_\text{in}=C_\text{in}, C_\text{out}=C_\text{in} \times \text{K}, ..., \text{groups}=C_\text{in}) 执行。

注意

在某些情况下,当在 CUDA 设备上给出张量并使用 CuDNN 时,此运算符可能会选择非确定性算法以提高性能。如果这是不可取的,您可以尝试通过设置 torch.backends.cudnn.deterministic = True 使操作确定性(可能会以性能为代价)。有关更多信息,请参阅 可重复性

注意

padding='valid' 等同于不填充。 padding='same' 对输入进行填充,以便输出具有与输入相同的形状。但是,此模式不支持除 1 之外的任何步长值。

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 (inttuple) – 卷积核的大小

  • stride (inttuple, 可选) – 卷积的步长。默认值:1

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

  • dilation (inttuple, 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) – 如果为 True,则向输出添加一个可学习的偏置。默认值:True

  • padding_mode (str, 可选) – 'zeros''reflect''replicate''circular'。默认值:'zeros'

形状
  • 输入:(N,Cin,Lin)(N, C_{in}, L_{in})(Cin,Lin)(C_{in}, L_{in})

  • 输出:(N,Cout,Lou)(N, C_{out}, L_{out})(Cout,Lout)(C_{out}, L_{out}),其中

    Lout=Lin+2×paddingdilation×(kernel_size1)1stride+1L_{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
  • 权重 (张量) – 模块的可学习权重,形状为 (输出通道数,输入通道数组数,卷积核大小)(\text{输出通道数}, \frac{\text{输入通道数}}{\text{组数}}, \text{卷积核大小})。这些权重的值从 U(k,k)\mathcal{U}(-\sqrt{k}, \sqrt{k}) 采样,其中 k=groupsCinkernel_sizek = \frac{groups}{C_\text{in} * \text{kernel\_size}}

  • 偏置 (张量) – 模块的可学习偏置,形状为 (out_channels)。如果 biasTrue,则这些权重的值将从 U(k,k)\mathcal{U}(-\sqrt{k}, \sqrt{k}) 中采样,其中 k=groupsCinkernel_sizek = \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)

文档

访问 PyTorch 的全面开发者文档

查看文档

教程

获取针对初学者和高级开发人员的深度教程

查看教程

资源

查找开发资源并获得问题的解答

查看资源