2025年conv1d函数（conv1d函数输入数据举例）

大家好，我是讯享网，很高兴认识大家。

官方文档介绍

https://pytorch.org/docs/master/nn.html#convolution-layers

pytorch 中文文档：

https://pytorch-cn.readthedocs.io/zh/latest/

https://pytorch.org/docs/master/generated/torch.nn.Conv1d.html#torch.nn.Conv1d

在由多个输入平面组成的输入信号上应用一维卷积。

讯享网

在最简单的情况下，具有输入大小的图层的输出值
讯享网和输出可以精确地描述为：

讯享网<ul style="margin-left:0px;"><li> <p><span style="color:#;">在<span style="color:#;">⋆ </span>是有效的运算符&#xff0c; N是一个批处理大小&#xff0c;C表示多个通道&#xff0c; L<span style="color:#;"> </span>是信号序列的长度。该模块支持。</span></p> </li><li> <p><span style="color:#;"> 控制互相关的步幅&#xff0c;单个数字或一个元素的元组。</span></p> </li><li> <p><span style="color:#;">控制点数两侧的隐式填充量。</span></p> </li><li> <p><span style="color:#;">控制内核点之间的间距&#xff1b;也称为àtrous算法。很难描述&#xff0c;但是此 对操作做了很好的可视化。</span></p> </li><li> <p><span style="color:#;">控制输入和输出之间的连接。 并且必须都可以被整除 。例如&#xff0c;</span></p> </li><li> <p><span style="color:#;">在</span>groups<span style="color:#;">&#61; 1时&#xff0c;所有输入都卷积为所有输出。</span></p> </li><li> <p><span style="color:#;">在groups &#61; 2时&#xff0c;该操作等效于并排设置两个conv层&#xff0c;每个conv层看到一半的输入通道并产生一半的输出通道&#xff0c;并且随后都将它们级联。</span></p> </li><li> <p><span style="color:#;">在groups &#61;&#xff0c;每个输入通道都与自己的一组过滤器&#xff08;</span><img alt="" height="50" src="https://i-blog.csdnimg.cn/blog_migrate/d02890e43eead8715c2d.png" width="118" /> ).</p> </li></ul>

当groups = in_channels和out_channels == K * in_channels时，其中K为正整数，此操作也称为“深度卷积”。

换句话说，对于大小的输入，可以使用参数执行深度乘数K的深度卷积

在某些情况下，当在CUDA设备上使用张量时，此运算符可能会选择不确定的算法来提高性能。如果不希望这样做，可以尝试通过设置确定操作（可能以性能为代价）。

https://pytorch.org/docs/master/notes/randomness.html

重现性

在PyTorch发行版，单独的提交或不同的平台上，不能保证完全可重复的结果。此外，即使使用相同的种子，结果在CPU和GPU执行之间也可能无法重现。

但是，您可以采取一些步骤来限制特定平台，设备和PyTorch版本的不确定行为的来源。首先，您可以控制可能导致应用程序的多个执行行为不同的随机性源。其次，您可以配置PyTorch以避免对某些操作使用不确定的算法，这样，在给定相同输入的情况下，对这些操作的多次调用将产生相同的结果。

警告

确定性操作通常比非确定性操作慢，因此对于您的模型，单次运行性能可能会降低。但是，确定性可以通过促进实验，调试和回归测试来节省开发时间。

in_channels（）–输入图像中的通道数

out_channels（）–卷积产生的通道数

kernel_size（或）–卷积内核的大小

步幅（或，可选）–卷积的步幅。默认值：1

padding（或，可选）–将零填充添加到输入的两侧。默认值：0

padding_mode（字符串，可选）默认：

膨胀（或，可选）–内核元素之间的间距。默认值：1

组（，可选）–从输入通道到输出通道的阻塞连接数。默认值：1

偏差（，可选）–如果为，则向输出添加可学习的偏差。默认：

N是一个批处理大小，C表示多个通道， L 是信号序列的长度

2025年conv1d函数（conv1d函数输入数据举例）

相关推荐