卷积层Convolution Layers
对由多个输入平面组成的输入信号应用1D卷积。 | |
对由多个输入平面组成的输入信号应用二维卷积。 | |
对由多个输入平面组成的输入信号应用3D卷积。 | |
对由多个输入平面组成的输入图像应用1D转置卷积算子。 | |
对由多个输入平面组成的输入图像应用2D转置卷积运算符。 | |
对由多个输入平面组成的输入图像应用3D转置卷积运算符。 | |
一个 torch.nn.Conv1d 模块延迟初始化Conv1d的in_channels参数,该参数是从input.size(1)推断出来的。 | |
一个torch.nn.Conv2d 模块延迟初始化Conv2d的in_channels参数,该参数是从input.size(1)推断出来的。 | |
一个 torch.nn.Conv3d 模块延迟初始化Conv3d的in_channels参数,该参数是从input.size(1)推断出来的。 | |
一个 torch.nn.ConvTranspose1d 模块延迟初始化ConvTranspose1d的in_channels参数,该参数是从input.size(1)推断出来的。 | |
一个 torch.nn.ConvTranspose2d 模块延迟初始化ConvTranspose2d的in_channels参数,该参数是从input.size(1)推断出的。 | |
一个 torch.nn.ConvTranspose3d 模块延迟初始化ConvTranspose3d的in_channels参数,该参数是从input.size(1)推断出的。 | |
从批量输入张量中提取滑动局部块。 | |
将一系列滑动局部块组合成一个大的包含张量。 |
池化层Pooling layers
对由多个输入平面组成的输入信号应用1D最大池化。 | |
对由多个输入平面组成的输入信号应用2D 最大池化。 | |
对由多个输入平面组成的输入信号应用3D 最大池化。 | |
计算MaxPool1d的部分逆。 | |
计算MaxPool2d的部分逆。 | |
计算MaxPool3d的部分逆。 | |
对由多个输入平面组成的输入信号应用1D平均池化。 | |
对由多个输入平面组成的输入信号应用2D平均池化。 | |
对由多个输入平面组成的输入信号应用3D平均池化。 | |
对由多个输入平面组成的输入信号应用2D分数最大池化。 | |
对由多个输入平面组成的输入信号应用3D分数最大池化。 | |
对由多个输入平面组成的输入信号应用1D功率平均池化。 | |
对由多个输入平面组成的输入信号应用2D功率平均池化。 | |
对由多个输入平面组成的输入信号应用1D自适应最大池化。 | |
在由多个输入平面组成的输入信号应用2D自适应最大池化。 | |
对由多个输入平面组成的输入信号应用3D自适应最大池化。 | |
对由多个输入平面组成的输入信号应用1D自适应平均池化。 | |
对由多个输入平面组成的输入信号应用2D自适应平均池化。 | |
对由多个输入平面组成的输入信号应用3D自适应平均池化。 |
填充层Padding Layers
使用输入边界的反射来填充1D输入张量。 | |
使用输入边界的反射来填充2D输入张量。 | |
使用输入边界的反射来填充3D输入张量。 | |
使用输入边界的复制来填充1D输入张量。 | |
使用输入边界的复制来填充2D输入张量。 | |
使用输入边界的复制来填充3D输入张量。 | |
用零填充2D输入张量边界。 | |
用常量值填充1D输入张量边界。 | |
用常量值填充2D输入张量边界。 | |
用常量值填充3D输入张量边界。 |