conv3d源码 pytorch_PyTorch中的nn.Conv1d与nn.Conv2d

本文主要介绍PyTorch中的nn.Conv1d和nn.Conv2d方法，并给出相应代码示例，加深理解。

一维卷积nn.Conv1d

一般来说，一维卷积nn.Conv1d用于文本数据，只对宽度进行卷积，对高度不卷积。通常，输入大小为word_embedding_dim * max_length，其中，word_embedding_dim为词向量的维度，max_length为句子的最大长度。卷积核窗口在句子长度的方向上滑动，进行卷积操作。

定义

class torch.nn.Conv1d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True)

主要参数说明：

in_channels：在文本应用中，即为词向量的维度

out_channels：卷积产生的通道数，有多少个out_channels，就需要多少个一维卷积(也就是卷积核的数量)

kernel_size：卷积核的尺寸；卷积核的第二个维度由in_channels决定，所以实际上卷积核的大小为kernel_size * in_channels

padding：对输入的每一条边，补充0的层数

代码示例

输入：批大小为32，句子的最大长度为35，词向量维度为256

目标：句子分类，共2类

conv1 = nn.Conv1d(in_channels=256, out_channels&