torch.nn.Conv1d详解

原创已于 2022-09-17 21:15:47 修改 · 4.6k 阅读

11 ·

本内容遵循CC 4.0 BY-SA版权协议

标签

#深度学习 #cnn #神经网络

于 2022-09-17 21:12:56 首次发布

深度学习专栏收录该内容

1 篇文章

订阅专栏

本文详细介绍了PyTorch中torch.nn.Conv1d模块，包括一维卷积的几个关键问题：卷积的维度、卷积核大小、out_channel的概念，以及实际代码示例。通过分析，展示了输入和输出通道数如何变化，并指出卷积操作是在最后一个维度上进行的。

torch.nn.Conv1d详解

1.几个问题：

一维卷积的是在哪个维度进行？
一维卷积核的大小？
out_channel是指什么？怎么变换的？

2.卷积定义

torch.nn.Conv1d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True, padding_mode=‘zeros’)

参数定义

in_channel:输入的通道数，信号一般为一维
out_channel:输出的通道数
kernel_size:卷积核的大小
stride:步长
padding：0填充

3.在哪个维度移动的

一维信号卷积
多通道一维信号卷积

定义输入的大小为(batch_size,channel,length)

可以肯定的是卷积核是在最后一个维度移动的，例如上图的一维信号是卷积核从左往右进行卷积的。

然而卷积核的大小为多少呢？右上下图可知，卷积核大小为（channel*kernel_size），一般一维信号的卷积核大小就为(1*kernel_size)

一维卷积不是指卷积核是一维的，而是在一个维度进行卷积。

4.out_channel

从输入到输出的过程中，通道数经常在发生改变，而out_channel是什么呢？

out_channel就是同时用多少个卷积核去卷同一个区域。

5.实例代码

import time

import torch
import torch.nn as nn

'''
Description: torch.nn.Conv1d
input:(batch_size,in_channel,length)
output:(batch_size,out_channel,length)
shape of kernel:(channel*kernel_size)
out_channel :the num of kernel--> how much kernel do you need?
'''
#(batch_size,in_channel,length)
input =torch.rand(5,1,10)
print(input.shape)
print(input)
model =nn.Conv1d(in_channels=1,
                 out_channels=3,
                 kernel_size=5,
                 padding=2)
# (batch_size,out_channel,length)
output =model(input)
print(output.shape)
print(output)

input的输出：
在这里插入图片描述

output的输出：

在这里插入图片描述

6.分析

可以看到除了channel变化以外其他的并没有改变，因为根据length的变化公式，正好length不变。
输入看起来直观上是5条1乘以10的一维信号，输出看起来就是5条3乘以10的3通道一维信号。

7来源

[torch.nn — PyTorch master documentation](https://pytorch.org/docs/1.2.0/nn.html?highlight=nn conv1d#torch.nn.Conv1d)
https://stackoverflow.com/questions/42883547/intuitive-understanding-of-1d-2d-and-3d-convolutions-in-convolutional-neural-n
https://www.quora.com/How-does-a-convolutional-layer-convert-a-64-channel-input-into-a-3-channel-or-one-channel
https://towardsdatascience.com/pytorch-basics-how-to-train-your-neural-net-intro-to-cnn-26a14c2ea29
(86条消息) torch.nn.Conv1d及一维卷积详解_西工大苗苗的博客-CSDN博客_pytorch一维卷积
还有一些忘记了在哪233333333