Pytorch卷积层原理和示例 nn.Conv1d卷积 nn.Conv2d卷积

内容列表

一，前提
二，卷积层原理
1.概念
2.作用
3. 卷积过程
三，nn.conv1d
1，函数定义：
2, 参数说明:
3,代码:
4, 分析计算过程
四，nn.conv2d
1, 函数定义
2, 参数：
3, 代码
4, 分析计算过程

一，前提

在开始前，要使用pytorch实现以下内容，需要掌握tensor和的用法

二，卷积层原理

1.概念

卷积层是用一个固定大小的矩形区去席卷原始数据，将原始数据分成一个个和卷积核大小相同的小块，然后将这些小块和卷积核相乘输出一个卷积值（注意这里是一个单独的值，不再是矩阵了）。

2.作用

特征提取

卷积的本质就是用卷积核的参数来提取原始数据的特征，通过矩阵点乘的运算，提取出和卷积核特征一致的值，如果卷积层有多个卷积核，则神经网络会自动学习卷积核的参数值，使得每个卷积核代表一个特征。

3. 卷积过程

三，nn.conv1d

这里我们拿最常用的conv1d举例说明卷积过程的计算。

conv1d是一维卷积，它和conv2d的区别在于只对宽度进行卷积，对高度不卷积。

1，函数定义：

torch.nn.functional.conv1d(input, weight, bias=None, stride=1, padding=0, dil