torch.nn.functional.conv1d

torch.nn.functional.conv1d(input, weight, bias=None, stride=1, padding=0, dilation=1, groups=1) → Tensor

在一系列输入平面组成的输入信号上应用一维卷积。

该算子支持 TensorFloat32。

有关详细信息和输出形状，请参见 Conv1d。

注意

在某些情况下，当给定 CUDA 设备上的张量并使用 CuDNN 时，该算子可能会选择非确定性算法以提高性能。如果不需要此行为，您可以通过设置 torch.backends.cudnn.deterministic = True 来尝试使操作具有确定性（可能牺牲一些性能）。有关更多信息，请参见 可复现性。

注意

该算子支持复杂数据类型，即 complex32, complex64, complex128。

参数

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

• weight – 滤波器张量，形状为 $(\text{out\_channels} , \frac{\text{in\_channels}}{\text{groups}} , kW)$

• bias – 可选的偏置张量，形状为 $(\text{out\_channels})$。默认值: None

• stride – 卷积核的步幅。可以是单个数字或一元素元组 (sW,)。默认值: 1

• padding –

  输入两侧的隐式填充。可以是字符串 {'valid', 'same'}、单个数字或一元素元组 (padW,)。默认值: 0。padding='valid' 与无填充相同。padding='same' 会对输入进行填充，使输出与输入具有相同的形状。但是，此模式不支持除 1 以外的任何步幅值。

  警告

  对于 padding='same'，如果在任何维度上 weight 是偶数长度且 dilation 是奇数，则内部可能需要完整的 pad() 操作。这会降低性能。

• dilation – 内核元素之间的间距。可以是单个数字或一元素元组 (dW,)。默认值: 1

• groups – 将输入分成组，$\text{in\_channels}$ 应能被组数整除。默认值: 1

示例

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