torch.nn.functional.conv1d

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

对由若干输入平面组成的输入信号应用 1D 卷积。

此运算符支持 TensorFloat32。

有关详细信息和输出形状，请参阅 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 使操作具有确定性（可能会以性能为代价）。有关更多信息，请参阅 可重复性。

注意

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

参数

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

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

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

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

• padding –

  输入两侧的隐式填充。可以是字符串 {‘valid’, ‘same’}、单个数字或单元素元组 (padW,)。默认值： 0 padding='valid' 与无填充相同。padding='same' 填充输入，使输出具有与输入相同的形状。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 weight 是偶数长度且 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。降低性能。

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

• groups – 将输入拆分为组，$\text{in\_channels}$ 应可被组数整除。默认值： 1

示例

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