Conv3d ¬

class torch.nn.Conv3d(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 3D 卷积。

在最简单的情况下，该层输入大小为 $(N, C_{in}, D, H, W)$ ，输出大小为 $(N, C_{out}, D_{out}, H_{out}, W_{out})$ 的输出值可以精确描述为：

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

其中 $\star$ 是有效的 3D 交叉相关算子

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 控制卷积步长。

• 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 trou 算法。描述起来比较困难，但这个链接有一个很好的可视化说明 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。

参数 kernel_size ， stride ， padding ， dilation 可以是：

• 单个 int – 在这种情况下，深度、高度和宽度维度使用相同的值

• 三个整数的 tuple – 在这种情况下，第一个整数用于深度维度，第二个整数用于高度维度，第三个整数用于宽度维度

注意

当 groups 等于 in_channels 且 out_channels 等于 K * in_channels（K 为正整数）时，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，可以使用 $(C_\text{in}=C_\text{in}, C_\text{out}=C_\text{in} \times \text{K}, ..., \text{groups}=C_\text{in})$ 参数执行深度乘数 K 的深度卷积。

注意

在某些情况下，当在 CUDA 设备上给定张量并使用 CuDNN 时，此运算符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 尝试使操作确定性（可能以性能成本为代价）。有关更多信息，请参阅可重现性。

注意

padding='valid' 等同于不填充。 padding='same' 对输入进行填充，使得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

此模块支持复杂数据类型，即 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

• 卷积核大小（整数或元组）- 卷积核的大小

• 步长（整数或元组，可选）- 卷积的步长。默认：1

• 填充（整数、元组或字符串，可选）- 添加到输入所有六边的填充。默认：0

• 扩展率（整数或元组，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。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： $(N, C_{in}, D_{in}, H_{in}, W_{in})$ 或 $(C_{in}, D_{in}, H_{in}, W_{in})$

• 输出： $(N, C_{out}, D_{out}, H_{out}, W_{out})$ 或 $(C_{out}, D_{out}, H_{out}, W_{out})$ ，其中

  $$D_{out} = \left\lfloor\frac{D_{in} + 2 \times \text{padding}[0] - \text{dilation}[0] \times (\text{kernel\_size}[0] - 1) - 1}{\text{stride}[0]} + 1\right\rfloor$$
  $$H_{out} = \left\lfloor\frac{H_{in} + 2 \times \text{padding}[1] - \text{dilation}[1] \times (\text{kernel\_size}[1] - 1) - 1}{\text{stride}[1]} + 1\right\rfloor$$
  $$W_{out} = \left\lfloor\frac{W_{in} + 2 \times \text{padding}[2] - \text{dilation}[2] \times (\text{kernel\_size}[2] - 1) - 1}{\text{stride}[2]} + 1\right\rfloor$$

变量:

• 权重（张量）- 模块的学得权重，形状为 $(\text{out\_channels}, \frac{\text{in\_channels}}{\text{groups}},$ $\text{kernel\_size[0]}, \text{kernel\_size[1]}, \text{kernel\_size[2]})$ 。这些权重的值从 $\mathcal{U}(-\sqrt{k}, \sqrt{k})$ 中采样，其中 $k = \frac{groups}{C_\text{in} * \prod_{i=0}^{2}\text{kernel\_size}[i]}$

• 偏置（张量）- 模块的学得偏置，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 $k = \frac{groups}{C_\text{in} * \prod_{i=0}^{2}\text{kernel\_size}[i]}$

示例：

>>> # With square kernels and equal stride
>>> m = nn.Conv3d(16, 33, 3, stride=2)
>>> # non-square kernels and unequal stride and with padding
>>> m = nn.Conv3d(16, 33, (3, 5, 2), stride=(2, 1, 1), padding=(4, 2, 0))
>>> input = torch.randn(20, 16, 10, 50, 100)
>>> output = m(input)