【PyTorch笔记 02】基本的卷积操作Conv1d

一、声明

• 本文根据个人理解写的，如有纰漏望指正，谢谢！
• 本帖持续更新中

二、理解

2.1 调用格式

torch.nn.Conv1d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True, padding_mode=‘zeros’, device=None, dtype=None)

• in_channels：输入通道数
• out_channels = $b_2$：这意味着我们将使用$b_2$个不同的卷积核来处理输入数据。每个卷积核将能够学习输入数据的不同特征，从而输出$b_2$个特征映射（或称为通道）。这增加了模型从输入数据中提取特征的能力。
• kernel_size：卷积核“长度”，其另一维度值与输入的通道数相同，所以卷积核尺寸为kernel_size*in_channels
• stride：滑动步长，默认为1
• padding：补充0的个数，默认为0。例：当padding=1，则在输入的每一通道的数列的左右两端各补一个0
• dilation：核的元素之间的间隔。 默认为1。(1应该是指元素间距，1即紧邻)
• groups：分组数。
  例如，（1）当groups=1，则所有输入都卷积到输出；（2）groups=2时，这个操作就相当于有两个conv层并排，每个conv层作用于一半的输入通道，产生一半的输出通道，然后两者串联起来；（3）groups= in_channels时，每个输入通道都用它自己的一组滤波器进行卷积，这些滤波器的大小为⌊in_channels/out_channels⌋

2.2 运算示意图

输入数据、卷积核、输出数据三者各维度大小的关系

注：关于$c_3$的大小其实是个很复杂的公式，默认情况下可以用下图中的公式计算。ppt

图1：数据之间各维度大小关系

示例

假设输入数据$A$是一个3x2x4的张量，定义卷积核时定义为nn.Conv1d(2, 4, 2, stride=1)，也就是说，卷积核4个是2x2大小的张量，最终输出数据$O$则为3x4x3。

图2：数据之间各维度大小关系

代码
conv1d参与操作的主要有：输入数据、weight、bias。参考

import torch.nn as nn
import torch

# input data
input = torch.randn(3, 2, 4)        # (batch_size,channels,length)
print("input data:\n",input)

# define conv1d
m = nn.Conv1d(2, 4, 2, stride=1)    # (input_channels, output_channels, kernel_size, stride)

# weight and bias
print("weight:\n",m.weight)
print("bias:\n", m.bias)

# perform conv1d
output = m(input)
print("output:\n",output)

注：如何更改weight和bias呢？

nn.init.constant_(conv1.weight, 1)	# 将核的元素值初始化为全1
nn.init.constant_(conv1.bias, 0)	# 偏置值为0

三、注意点

conv1d有两个，一个是torch.nn模块中，另一个是torch.nn.functional模块中。

第二种： torch.nn.functional.conv1d

调用格式
torch.nn.functional.conv1d(input, weight, bias=None, stride=1, padding=0, dilation=1, groups=1)

• in_channels (int) – Number of channels in the input image
• out_channels (int) – Number of channels produced by the convolution
• kernel_size (int or tuple) – Size of the convolving kernel
• stride (int or tuple, optional) – Stride of the convolution. Default: 1
• padding (int, tuple or str, optional) – Padding added to both sides of the input. Default: 0
• padding_mode (string, optional) – ‘zeros’, ‘reflect’, ‘replicate’ or ‘circular’. Default: ‘zeros’
• dilation (int or tuple, optional) – Spacing between kernel elements. Default: 1
• groups (int, optional) – Number of blocked connections from input channels to output channels. Default: 1
• bias (bool, optional) – If True, adds a learnable bias to the output. Default: True