Pytorch學習筆記15----nn.Conv2d與Conv3d引數理解
阿新 • • 發佈:2020-08-09
1.Conv3d
class torch.nn.Conv3d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True)
Parameters:
- in_channels(
int
) – 輸入訊號的通道 - out_channels(
int
) – 卷積產生的通道 - kernel_size(
int
ortuple
) - 卷積核的尺寸 - stride(
int
ortuple
,optional
) - 卷積步長 - padding(
int
ortuple
,optional
- dilation(
int
ortuple
,optional
) – 卷積核元素之間的間距 - groups(
int
,optional
) – 從輸入通道到輸出通道的阻塞連線數 - bias(
bool
,optional
) - 如果bias=True
,新增偏置
三維卷積層, 輸入的尺度是(N, C_in,D,H,W),輸出尺度(N,C_out,D_out,H_out,W_out)
shape:input
: (N,C_in,D_in,H_in,W_in)output
: (N,C_out,D_out,H_out,W_out)
官網案例:
>>> #With square kernels and equal stride >>> m = nn.Conv3d(16, 33, 3, stride=2) >>> # non-square kernels and unequal stride and with padding >>> m = nn.Conv3d(16, 33, (3, 5, 2), stride=(2, 1, 1), padding=(4, 2, 0)) >>> input = autograd.Variable(torch.randn(20, 16, 10, 50, 100))>>> output = m(input)