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)

在输入信号由多个输入平面组成的情况下，应用 1D 卷积。

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

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

其中 $\star$ 是有效的交叉相关算子， $N$ 是批大小， $C$ 表示通道数， $L$ 是信号序列的长度。

本模块支持 TensorFloat32。

在某些 ROCm 设备上，当使用 float16 输入时，该模块将使用不同的精度进行反向操作。

• stride 控制卷积的步长，可以是单个数字或一个包含单个元素的元组。

• 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，表示在两侧应用的内隐填充量。

• dilation 控制内核点之间的间距；也称为à trous 算法。描述起来比较困难，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 的情况下，所有输入都会与所有输出进行卷积。

  • 在 groups=2 的情况下，操作相当于有两个卷积层并排，每个层看到一半的输入通道并产生一半的输出通道，然后两者随后进行拼接。

  • 在 groups= in_channels 的情况下，每个输入通道都会与其自己的过滤器集（大小为 $\frac{\text{out\_channels}}{\text{in\_channels}}$ ）进行卷积。

注意

当组数等于输入通道数且输出通道数等于 K 倍的输入通道数时，其中 K 是一个正整数，这种操作也被称为“深度卷积”。

换句话说，对于一个大小为 $(N, C_{in}, L_{in})$ 的输入，可以使用深度乘数 K 执行深度卷积，参数为 $(C_\text{in}=C_\text{in}, C_\text{out}=C_\text{in} \times \text{K}, ..., \text{groups}=C_\text{in})$ 。

注意

在某些情况下，当在 CUDA 设备上给定张量并使用 CuDNN 时，此操作可能会选择非确定性算法以提高性能。如果这不可取，您可以通过设置 torch.backends.cudnn.deterministic = True 来尝试使操作确定性（可能以性能损失为代价）。有关更多信息，请参阅可重现性。

注意

padding='valid' 与不填充相同。 padding='same' 填充输入，以便输出形状与输入相同。然而，此模式不支持除 1 以外的任何步长值。

注意

该模块支持复杂数据类型，例如 complex32, complex64, complex128 。

参数:

• in_channels（整数）- 输入图像中的通道数

• out_channels（整数）- 卷积产生的通道数

• kernel_size（整数或元组）- 卷积核的大小

• stride（int 或 tuple，可选）- 卷积的步长。默认：1

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

• dilation（int 或 tuple，可选）- 卷积核元素之间的间距。默认：1

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

• bias (bool, 可选) – 如果 True ，则向输出添加可学习的偏置。默认： True

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

形状：

• 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

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

变量:

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

• 偏差（张量）- 模块的 learnable bias，形状为（out_channels）。如果 bias 是 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)