pytorch笔记

torch.nn.Conv1d

以复信号的两个通道为例做1维卷积计算如下:

x = torch.randn(10, 2, 1024)  # batch_size=10,in_chanels=2,sequence_length=1024
torch.nn.Conv1d(in_channels=2, out_channels=16, kernel_size=5, stride=1, padding=2, bias=True)(x)

torch.squeeze(torch.unsqueeze)

压缩(扩展)矩阵维度。

x = torch.randn(5, 1024)
print(x.shape)
x = torch.unsqueeze(x, dim=1)
print(x.shape)

>>torch.Size([5, 1024])
>>torch.Size([5, 1, 1024])

torch.nn.LSTM

长短期记忆网络

rnn   = torch.nn.LSTM(input_size=32, hidden_size=32, num_layers=1, batch_first=True)
x=torch.zeros(5,1024,2)#batch,len,channel
o,(h,c) = rnn(x)

模型参数查看及其赋值

class module(torch.nn.Module):
    def __init__(self):
        super().__init__()
        # 只有一个卷积层
        self.conv1 = torch.nn.Conv1d(in_channels=1, out_channel
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

-铁头娃-

谢谢

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值