pytorch中一维卷积Conv1d简介

最新推荐文章于 2024-07-23 12:46:17 发布

早春的树长在理想三旬

最新推荐文章于 2024-07-23 12:46:17 发布

阅读量8.1k

点赞数 2

分类专栏：深度学习 pytorch

本文链接：https://blog.csdn.net/JohnLeeK/article/details/118813916

版权

PyTorch 一维卷积文本分类序列数据卷积神经网络

关键词由CSDN通过智能技术生成

最近在使用pytorch中的一维卷积来对文本进行处理，进行文本分类任务，查阅了网上相关的博客还有api这里做一个总结。

一维卷积，顾名思义就是在一维空间上进行卷积，通常用来处理时序的数据，卷积的过程如下图。

进行卷积的数据形状为[batch_size,seq_len,embedding_dim]，经过卷积以后变成了[batch_size,out_channels,sql_len-kernel_size+1]的形状，在卷积的时候是在最后一个维度进行的所以需要对数据进行点处理，具体如代码所示。

import torch.nn as nn
import torch

data = torch.randn(4,5,8)# [batch_size,seq_len,embedding_dim)
con1d = nn.Conv1d(in_channels=8,out_channels=16,kernel_size=2)
data = torch.transpose(data,2,1)# 同 data.permute(0,2,1)
con1d_out=  con1d(data)#[batch_size,out_chanels,seq_len-kernel_size+1] ->[4, 16, 4]
print(con1d_out.shape)
print(con1d_out)

这里采用了tranpose对dim=1，dim=2的维度数据进行了交换，同样的使用