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 $(\text{minibatch} , \text{in\_channels} , iW)$ 的输入张量

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

• bias – 形状为 $(\text{out\_channels})$ 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，$\text{in\_channels}$ 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)