input=torch.randn(20,16,10,50,100)#N,C,D,H,W
1.
m = nn.Conv3d(16, 33, 1, stride=1, padding=(3, 2, 1))
output=m(input)
output.size()
torch.Size([20, 16, 10, 50, 100])
结论:padding分别先从D,H,W分别对称增加维度,变为D+3*2,H+2*2,W+1*2
2.
m = nn.Conv3d(16, 33, 6, stride=5)
torch.Size([20, 33, 1, 9, 19])
结论:仅从D维度看,本来是10维大小,从1开始,步长是5,移动到6,而6之后只有5个(不够6),所以就不卷积,最后D通道输出只有1个维度。