torch.nn.functional.conv3d

torch.nn.functional.conv3d(input, weight, bias=None, stride=1, padding=0, dilation=1, groups=1) → Tensor

对由多个输入通道组成的输入应用 3D 卷积。

该算子支持 TensorFloat32。

有关详细信息和输出形状，请参见 Conv3d。

注意

在某些情况下，当输入张量在 CUDA 设备上并使用 CuDNN 时，该算子可能会选择非确定性算法来提高性能。如果不需要这样做，可以通过设置 torch.backends.cudnn.deterministic = True 使操作具有确定性（可能会牺牲性能）。更多信息请参见 可重现性。

注意

该算子支持复数数据类型，例如 complex32, complex64, complex128。

参数

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

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

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

• stride – 卷积核的步长。可以是单个数字或元组 (sT, sH, sW)。默认值：1

• padding –

  输入的两侧隐式填充。可以是字符串 {'valid', 'same'}、单个数字或元组 (padT, padH, padW)。默认值：0 padding='valid' 等同于不填充。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 之外的任何步长值。

  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，内部可能需要执行完整的 pad() 操作。这会降低性能。

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

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

示例

>>> filters = torch.randn(33, 16, 3, 3, 3)
>>> inputs = torch.randn(20, 16, 50, 10, 20)
>>> F.conv3d(inputs, filters)