Table of Contents
Shortcuts

torch.nn.functional.conv1d

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

对由多个输入平面组成的输入信号应用一维卷积。

此操作符支持 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

此操作符支持复杂数据类型，即 complex32, complex64, complex128。

Parameters

  • 输入 – 输入张量的形状为 (minibatch,in_channels,iW)(\text{minibatch} , \text{in\_channels} , iW)

  • 权重 – 形状为 (out_channels,in_channelsgroups,kW)(\text{out\_channels} , \frac{\text{in\_channels}}{\text{groups}} , kW)

  • 偏置 – 可选的偏置形状为 (out_channels)(\text{out\_channels})。默认值：None

  • 步幅 – 卷积核的步幅。可以是单个数字或一个单元素元组 (sW,)。默认值：1

  • padding –

    输入两边的隐式填充。可以是字符串 {'valid', 'same'}，单个数字或一个单元素元组 (padW,)。默认值：0 padding='valid' 等同于没有填充。padding='same' 填充输入，使得输出与输入具有相同的形状。然而，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 在任何维度上是奇数，可能需要在内部进行完整的 pad() 操作。这可能会降低性能。

  • dilation – 核元素之间的间距。可以是单个数字或一个单元素元组 (dW,)。默认值：1

  • groups – 将输入分成多个组，in_channels\text{in\_channels} 应该是组数的倍数。默认值：1

示例：

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