Conv1d

class torch.nn.Conv1d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True, padding_mode='zeros', device=None, dtype=None)

对由多个输入平面组成的输入信号应用一维卷积。

在最简单的情况下，输入大小为 $(N, C_{\text{in}}, L)$ 和输出为 $(N, C_{\text{out}}, L_{\text{out}})$ 的层的输出值可以 精确地描述为：

$$\text{out}(N_i, C_{\text{out}_j}) = \text{bias}(C_{\text{out}_j}) + \sum_{k = 0}^{C_{in} - 1} \text{weight}(C_{\text{out}_j}, k) \star \text{input}(N_i, k)$$

其中 $\star$ 是有效的 互相关 运算符， $N$ 是批次大小，$C$ 表示通道数， $L$ 是信号序列的长度。

此模块支持 TensorFloat32。

在某些 ROCm 设备上，当使用 float16 输入时，此模块将在反向传播中使用 不同的精度。

• stride 控制交叉相关的步幅，可以是一个数字或一个单元素元组。

• padding 控制应用于输入的填充量。它可以是字符串 {'valid', 'same'} 或一个整数元组，表示在两侧应用的隐式填充量。

• dilation 控制卷积核点之间的间距；也称为à trous算法。这很难描述，但这个 链接 有一个很好的可视化展示了 dilation 的作用。

• groups 控制输入和输出之间的连接。 in_channels 和 out_channels 必须都能被 groups 整除。例如，

  • 在 groups=1 时，所有输入都会被卷积到所有输出。

  • 在 groups=2 时，操作变得等同于并排有两个卷积层，每个卷积层看到一半的输入通道并产生一半的输出通道，然后将两者连接起来。

  • 在 groups= in_channels 的情况下，每个输入通道都与自己的一组过滤器（大小为 $\frac{\text{out\_channels}}{\text{in\_channels}}$）进行卷积。

注意

当 groups == in_channels 且 out_channels == K * in_channels 时， 其中 K 是一个正整数，此操作也称为“深度卷积”。

换句话说，对于大小为 $(N, C_{in}, L_{in})$ 的输入， 使用深度乘数 K 的深度卷积可以通过以下参数执行 $(C_\text{in}=C_\text{in}, C_\text{out}=C_\text{in} \times \text{K}, ..., \text{groups}=C_\text{in})$。

注意

在某些情况下，当给定的张量位于CUDA设备上并使用CuDNN时，此操作符可能会选择一个非确定性算法以提高性能。如果这是不可取的，您可以尝试通过设置torch.backends.cudnn.deterministic = True来使操作具有确定性（可能会以性能为代价）。更多信息请参见可重复性。

注意

padding='valid' 与没有填充相同。padding='same' 填充输入，使得输出具有与输入相同的形状。然而，这种模式不支持除1以外的任何步幅值。

注意

此模块支持复杂数据类型，即 complex32, complex64, complex128。

Parameters

• in_channels (int) – 输入图像的通道数

• out_channels (int) – 卷积产生的通道数

• kernel_size (int 或 tuple) – 卷积核的大小

• 步幅 (整数 或 元组, 可选) – 卷积的步幅。默认值：1

• 填充 (int, tuple 或 str, 可选) – 添加到输入两侧的填充。默认值：0

• padding_mode (字符串, 可选) – 'zeros', 'reflect', 'replicate' 或 'circular'。默认值: 'zeros'

• 膨胀 (int 或 tuple, 可选) – 核元素之间的间距。默认值：1

• groups (int, 可选) – 从输入通道到输出通道的阻塞连接数。默认值：1

• 偏置 (布尔值, 可选) – 如果True，则在输出中添加一个可学习的偏置。默认值：True

Shape:

• 输入: $(N, C_{in}, L_{in})$ 或 $(C_{in}, L_{in})$

• 输出: $(N, C_{out}, L_{out})$ 或 $(C_{out}, L_{out})$, 其中

  $$L_{out} = \left\lfloor\frac{L_{in} + 2 \times \text{padding} - \text{dilation} \times (\text{kernel\_size} - 1) - 1}{\text{stride}} + 1\right\rfloor$$

Variables

• 权重 (Tensor) – 模块的可学习权重，形状为 $(\text{out\_channels}, \frac{\text{in\_channels}}{\text{groups}}, \text{kernel\_size})$。 这些权重的值从 $\mathcal{U}(-\sqrt{k}, \sqrt{k})$ 其中 $k = \frac{groups}{C_\text{in} * \text{kernel\_size}}$

• 偏置 (Tensor) – 模块的可学习偏置，形状为 (out_channels)。如果 bias 为 True，则这些权重的值 从 $\mathcal{U}(-\sqrt{k}, \sqrt{k})$ 中采样，其中 $k = \frac{groups}{C_\text{in} * \text{kernel\_size}}$

示例：

>>> m = nn.Conv1d(16, 33, 3, stride=2)
>>> input = torch.randn(20, 16, 50)
>>> output = m(input)