快捷方式

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应用一维卷积。

此运算符支持 TensorFloat32.

有关详细信息和输出形状,请参见 Conv1d

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 来使操作确定性(可能会降低性能)。有关更多信息,请参见 可重复性

注意

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

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

  • weight – 形状为 (out_channels,in_channelsgroups,kW)(\text{out\_channels} , \frac{\text{in\_channels}}{\text{groups}} , kW) 的过滤器

  • bias – 形状为 (out_channels)(\text{out\_channels}) 的可选偏置。默认值:None

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

  • padding

    输入两侧的隐式填充。可以是字符串 {‘valid’, ‘same’}、单个数字或一个元素元组 (padW,)。默认值:0 padding='valid' 等同于不填充。 padding='same' 填充输入,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。

    警告

    对于 padding='same',如果 weight 的长度是偶数,并且 dilation 在任何维度上都是奇数,则可能需要在内部进行完整的 pad() 操作。会导致性能下降。

  • dilation – 卷积核元素之间的间距。可以是单个数字或一个元素的元组 (dW,)。默认值:1

  • groups – 将输入分成组,in_channels\text{in\_channels} 应该可以被组数整除。默认值:1

示例

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

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者的深入教程

查看教程

资源

查找开发资源并获得问题的解答

查看资源