图解nn.Conv1d的具体计算过程

以下图解了1维卷积的计算过程，特别注意输入、卷积核参数、输出代码实现：注意pytorch中只能对倒数第2维数据进行卷积，因此传参时要转置一下，将需要卷积的数据弄到倒数第2维,这里将embeding的维度进行卷积# [1,7,5] 卷积 [2，2，5] = [1, 2, 6]a = torch.ones(1,7,5)b = nn.Conv1d(in_channels=5, out_channels=

zy_like_study

11535人浏览 · 2021-11-02 21:03:21

zy_like_study · 2021-11-02 21:03:21 发布

以下图解了1维卷积的计算过程，特别注意输入、卷积核参数、输出
代码实现：注意pytorch中只能对倒数第2维数据进行卷积，因此传参时要转置一下，将需要卷积的数据弄到倒数第2维,这里将embeding的维度进行卷积，最后一般会在转置过来（没办法，pytorch设计的不太好，这点确实绕了一圈）

# [1,7,5] 卷积 [2，5，3] = [1, 6, 3]
a = torch.ones(1,7,5)
b = nn.Conv1d(in_channels=5, out_channels=3, kernel_size=2)(a.permute(0,2,1))
b = b.permute(0,2,1)#再换过来

输出结果：
tensor([[
[ 0.2780, 0.6589, -0.5446],
[ 0.2780, 0.6589, -0.5446],
[ 0.2780, 0.6589, -0.5446],
[ 0.2780, 0.6589, -0.5446],
[ 0.2780, 0.6589, -0.5446],
[ 0.2780, 0.6589, -0.5446]]])
torch.Size([1, 6, 3])