pytorch卷积层的介绍:
torch.nn.Conv1d介绍:
torch.nn.Conv1d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True)
in_channels(int) – 通道,在文本分类中,即为词向量的维度
out_channels(int) – 卷积产生的通道。有多少个out_channels,就需要多少个1维卷积
kernel_size(int or tuple) – 卷积核的尺寸,卷积核的大小为(k,),第二个维度是由in_channels来决定的,所以实际上卷积大小为kernel_size*in_channels
stride(int or tuple, optional) – 卷积步长
padding (int or tuple, optional)- 输入的每一条边补充0的层数
dilation(int or tuple,optional
`) – 卷积核元素之间的间距
groups(int, optional) – 从输入通道到输出通道的阻塞连接数
bias(bool, optional) – 如果bias=True,添加偏置
import torch
import torch.nn as nn
conv1 = nn.Conv1d(in_channels=256,out_channels=100,kernel_size=2)
input = torch.randn(32,256,35)
out = conv1(input)
print(out.size())
Original: https://blog.csdn.net/leitouguan8655/article/details/120266403
Author: 小时不识月123
Title: torch.nn.Conv1d使用详解
原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/710371/
转载文章受原作者版权保护。转载请注明原作者出处!