pytorch中的nn.Conv1d()

torch.nn.Conv1d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True, padding_mode=‘zeros’, device=None, dtype=None)

  • in_channels是输入特征的维数,在文本识别中也可以理解为输入词向量的特征维数
  • out_channels是输出特征的维数
  • kernel_size为在序列方向上的感受野,而实际卷积核的尺寸为in_channels×kernel_size
  • stride为序列方向上的滑动步长

其余参数可参考2d卷积。
conv1d输入的特征维数为(N,Cin,L),N为batch size, Cin=in_channels为特征维数,L为序列长度。
conv1d输出的特征维数为(N,Cout,Lout),Cout=out_channels为输出特征维数,Lout为输出序列长度由卷积的 kernel_size以及stride等参数决定。

举个栗子:

import torch
import torch.nn as nn

conv = nn.Conv1d(in_channels=128,out_channels=256,kernel_size=2)
print(conv.weight.size())
#torch.Size([256, 128, 2])

x=torch.randn(32,128,101)
print(conv(x).size())
#torch.Size([32, 256, 100])
  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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
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