Pytorch 3D卷积的输入输出、参数量

1、torch.nn.Conv3d函数参数：

其中kernel_size、padding以及dilation可以是1X3的tuple，与2D卷积不用

self.conv3d = nn.Conv3d(1, 64, kernel_size=(3, 3, 3), padding=(1, 1, 1))

torch框架中的原始参数定义如下：

def __init__(
        self,
        in_channels: int,
        out_channels: int,
        kernel_size: _size_3_t,    # 1X3的tuple
        stride: _size_3_t = 1,     # 可以是1X3的tuple，也可以是一个int
        padding: _size_3_t = 0,    # 可以是1X3的tuple，也可以是一个int
        dilation: _size_3_t = 1,   # 可以是1X3的tuple，也可以是一个int
        groups: int = 1,
        bias: bool = True,
        padding_mode: str = 'zeros'
    )

2、3D卷积的输入输出

（3D conv一般用于对视频帧处理，提取时间维度上的信息）

---

输入的tensor维度应该是**[B, C ,D, H, W]**:

其中B、C、H、W与2D卷积所输入的一致
1、B：batch_size 每次送入训练的样本数
2、C：channel 通道数，这里我的理解是，若视频帧只取Y通道，C就是1（对于刚输入网络而言）
3、D：深度（D这个维度上含有视频帧时间维度上的信息），这里假设我们对5帧视频进行同时处理（D=5），要获取时间上的信息，那么这里的D应该就是帧数的叠加。

如果每一帧的维度是[B,C,H,W]=[8,1,64,64],那么5帧的输入可以通过torch.stack([5帧列表]，dim=2)语句来堆叠成[B,C,D,H,W]=[8,1,5,64,64],这样3d卷积就可以在连续帧之间获取时间维的信息。

每一帧的维度[8,1,32,32]
5帧堆叠在一起[8,1,5,32,32]
实现语句：

torch.stack(frame_[:], dim=2) # 将张量的序列沿dim维取一个新的维度连接起来

（这里的深度5不用与卷积核的深度3对应相等）

我在思考能不能这么认为：（如果把5帧堆叠来经过3D卷积获取时间维度上的信息，5帧一起第一次送进去网络，应该把他看成一个整体，所以他的通道数C应该是1。）

3D卷积的输出在HW不变的情况下（计算好padding），只改变Channel.

3、3D扩张卷积

其实3D扩张卷积的思想和2D的一样，只要kernel_size=(3, 5, 5), padding=(1, 4, 4), dilation=(1, 2, 2)这三个参数对应好各自的维度即可。（可以先不看第一维，后面两维和2D是一样的pad计算方法）

4 参数量