nn.Conv1d 理解

import torch
import torch.nn as nninput = torch.randn(8, 512, 768)
print(input.shape)
m = nn.Conv1d(512, 256, 768, stride=1)  # 卷积核大小 （512， 768） 共有 256个卷积核， 所以输出 （256， 1）
print(m)
output = m(input)
print(output.shape)  # (8, 256, 1)

1. input: (batch_size, max_seq, dim),

2. Conv1d(512, 256, 768): 表示有 256个卷积核，卷积核大小为（512，768）

所以（512，768）x (512, 768) 相加为 1，

256个卷积核 -> (256, 1), batch_size不变。

nn.Conv1d 理解相关推荐

【Pytorch】torch.nn.Conv1d()理解与使用
官方文档:https://pytorch.org/docs/stable/generated/torch.nn.Conv1d.html?highlight=nn%20conv1d#torch.nn.C ...
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 ...
tf.nn.conv1d
conv1d 一维卷积 tf.nn.conv1d(value,filters,stride,padding,use_cudnn_on_gpu=None,data_format=None,name=No ...
Pytorch之nn.Conv1d学习个人见解
Pytorch之nn.Conv1d学习个人见解一.官方文档(务必先耐心阅读) 官方文档:点击打开<CONV1D> 二.Conv1d个人见解 Conv1d类构成 class torch.n ...
【pytorch】nn.conv1d的使用
官方文档在这里. conv1d具体不做介绍了,本篇只做pytorch的API使用介绍. torch.nn.Conv1d(in_channels, out_channels, kernel_size, ...
tf.nn.conv2d理解(带通道的卷积图片输出案例)
三篇参考: 1.https://blog.csdn.net/goodshot/article/details/79655915 TF-卷积函数 tf.nn.conv2d 介绍 2.https://bl ...
pytorch nn.Conv1d
一维卷积nn.Conv1d一般用于文本数据 1.应用 import torch import torch.nn as nnx = torch.randn(1, 1, 32) # batch, chan ...
pytorch笔记（四）nn.Conv1d、nn.Conv2d、nn.Conv3d
概念: nn.Conv1d:常用在文本 (B,C,L) (batch,channel,sequence_len) (批数量,通道数,句子长度) nn.Conv2d:常用在图像 (B,C,H,W) (b ...
NLP中的卷积操作详解（torch.nn.Conv1d)
NLP领域中,由于自然文本是一维的,通常使用一维卷积即可达到要求. 在实际应用中,经embedding层处理后的数据格式一般为(batch_size, word_embeddings_dim, max ...

nn.Conv1d 理解

nn.Conv1d 理解相关推荐

最新文章

热门文章