快捷方式

Conv3d

class torch.nn.Conv3d(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 3D 卷积。

在最简单的情况下,该层在输入大小为 (N,Cin,D,H,W)(N, C_{in}, D, H, W) 和输出 (N,Cout,Dout,Hout,Wout)(N, C_{out}, D_{out}, H_{out}, W_{out}) 可以精确地描述为

out(Ni,Coutj)=bias(Coutj)+k=0Cin1weight(Coutj,k)input(Ni,k)out(N_i, C_{out_j}) = bias(C_{out_j}) + \sum_{k = 0}^{C_{in} - 1} weight(C_{out_j}, k) \star input(N_i, k)

其中 \star 是有效的 3D 互相关 运算符

此模块支持 TensorFloat32

在某些 ROCm 设备上,当使用 float16 输入时,此模块将使用 不同的精度 进行反向传播。

  • stride 控制互相关的步长。

  • padding 控制应用于输入的填充量。它可以是字符串 {‘valid’, ‘same’} 或者一个包含整数的元组,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 à trous 算法。它很难描述,但是这个 链接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 都必须可被 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,操作等效于并排放置两个卷积层,每个层看到一半的输入通道并生成一半的输出通道,然后将两者连接在一起。

    • 当 groups= in_channels 时,每个输入通道都使用自己的过滤器集进行卷积(大小为 out_channelsin_channels\frac{\text{out\_channels}}{\text{in\_channels}})。

参数 kernel_sizestridepaddingdilation 可以是

  • 单个 int – 这种情况下,深度、高度和宽度维度使用相同的值

  • 包含三个整数的 tuple – 这种情况下,第一个 int 用于深度维度,第二个 int 用于高度维度,第三个 int 用于宽度维度

注意

groups == in_channelsout_channels == K * in_channels(其中 K 是一个正整数)时,此操作也被称为“深度卷积”。

换句话说,对于大小为 (N,Cin,Lin)(N, C_{in}, L_{in}) 的输入,深度可分离卷积(depthwise convolution)可以使用深度乘数 K 和参数 (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,此操作可能会选择非确定性算法来提高性能。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(可能以性能为代价)。有关更多信息,请参见 可重复性

注意

padding='valid' 等同于不进行填充。 padding='same' 对输入进行填充,以便输出的形状与输入相同。但是,此模式不支持除 1 之外的任何步幅值。

注意

此模块支持复数数据类型,例如 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) – 卷积的步幅。默认值:1

  • padding (int, tuplestr, 可选) – 添加到输入所有六个边的填充。默认值:0

  • dilation (inttuple, 可选) – 卷积核元素之间的间距。默认值:1

  • groups (int, 可选) – 从输入通道到输出通道的阻塞连接的数量。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,Din,Hin,Win)(N, C_{in}, D_{in}, H_{in}, W_{in})(Cin,Din,Hin,Win)(C_{in}, D_{in}, H_{in}, W_{in})

  • 输出: (N,Cout,Dout,Hout,Wout)(N, C_{out}, D_{out}, H_{out}, W_{out})(Cout,Dout,Hout,Wout)(C_{out}, D_{out}, H_{out}, W_{out}), 其中

    Dout=Din+2×padding[0]dilation[0]×(kernel_size[0]1)1stride[0]+1D_{out} = \left\lfloor\frac{D_{in} + 2 \times \text{padding}[0] - \text{dilation}[0] \times (\text{kernel\_size}[0] - 1) - 1}{\text{stride}[0]} + 1\right\rfloor
    Hout=Hin+2×padding[1]dilation[1]×(kernel_size[1]1)1stride[1]+1H_{out} = \left\lfloor\frac{H_{in} + 2 \times \text{padding}[1] - \text{dilation}[1] \times (\text{kernel\_size}[1] - 1) - 1}{\text{stride}[1]} + 1\right\rfloor
变量
  • weight (Tensor) – 模块的可学习权重,形状为 (out_channels,in_channelsgroups,(\text{out\_channels}, \frac{\text{in\_channels}}{\text{groups}}, kernel_size[0],kernel_size[1],kernel_size[2])\text{kernel\_size[0]}, \text{kernel\_size[1]}, \text{kernel\_size[2]}). 这些权重的值从 U(k,k)\mathcal{U}(-\sqrt{k}, \sqrt{k}),其中 k=groupsCini=02kernel_size[i]k = \frac{groups}{C_\text{in} * \prod_{i=0}^{2}\text{kernel\_size}[i]}

  • 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}) 其中 k=groupsCini=02kernel_size[i]k = \frac{groups}{C_\text{in} * \prod_{i=0}^{2}\text{kernel\_size}[i]}

示例

>>> # With square kernels and equal stride
>>> m = nn.Conv3d(16, 33, 3, stride=2)
>>> # non-square kernels and unequal stride and with padding
>>> m = nn.Conv3d(16, 33, (3, 5, 2), stride=(2, 1, 1), padding=(4, 2, 0))
>>> input = torch.randn(20, 16, 10, 50, 100)
>>> 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入教程

查看教程

资源

查找开发资源并获得问题的解答

查看资源