conv1d说明

conv1d在kernal=1时和linear相比？
1、摘自网上，linear更快些。效果相同？

import torch
import torch.nn as nn

# 批次、channel数、数据长度
input = torch.randn(3, 6, 5)

# in_channels=6意味着输入参数的channel数必须为6（dim=1）
# kernel_size 表示卷积核大小，stride表示卷积核移动步长
conv = nn.Conv1d(in_channels=6, out_channels=5, kernel_size=2, stride=1, padding=0)

out = conv(input)

print(out.shape)
#下图表示卷积核大小为2，步长为1，一共移动了4次，所以结果的最后一维度为：4
# 1 2 3 4 5
# 1 2
#   2 3
#     3 4
#       4 5

结果：
#3表示批次和输入批次大小是一样的，5表示out_channel数，4表示卷积核移动的次数
torch.Size([3, 5, 4])