图解一维卷积(Conv1d, TDNN)计算中维度变化

有如下输入：表示 298 个时间帧，每个时间帧有 80 个维度的输入；

一般情况(dilation=1)

Conv1d(in_channels=80, out_channels=512, dilation=1, kernel_size=5, stride=1)

表示输入通道为 80，输出通道为 512；

那么，卷积核为：(80, 5, 512)，下面这样的卷积核一共有 512 个；

以下展示的是单个卷积核的运算，大小为 5 的卷积核以步长为 1 移动最终得到时间帧长度为 298-(5-1)=294;

dilation=2

Conv1d(in_channels=512, out_channels=512, dilation=2, kernel_size=3, stride=1)

卷积核大小为 (512, 512, 3) 但是其为膨胀卷积，所以卷积核实际大小为 5；计算方式为：

可见，卷积核大小为 3，但是中间进行了膨胀，即黑色部分不进行运算；最终时间帧为 294-(5-1)=290；

dilation=3

Conv1d(in_channels=512, out_channels=512, dilation=3, kernel_size=3, stride=1)

卷积核大小为 (512, 512, 3) 但是 dilation=3，因此最终为 7；有如下图：

最终时间帧为 290-(7-1)=284；

kernel_size=1

Conv1d(in_channels=512, out_channels=512, dilation=1, kernel_size=1, stride=1)

可以当作全连接层：

因此输出维度仍然为 284；