本文简要介绍python语言中 torch.nn.functional.conv1d
的用法。
用法:
torch.nn.functional.conv1d(input, weight, bias=None, stride=1, padding=0, dilation=1, groups=1) → Tensor
input-形状的输入张量
weight-形状过滤器
bias-形状
None
的可选偏差。默认值:stride-卷积核的步幅。可以是单个数字或单元素元组
(sW,)
。默认值:1padding-
输入两侧的隐式填充。可以是字符串 {‘valid’, ‘same’}、单个数字或单元素元组
(padW,)
。默认值:0padding='valid'
与无填充相同。padding='same'
填充输入,以便输出具有与输入相同的形状。但是,此模式不支持除 1 之外的任何步幅值。警告
对于
padding='same'
,如果weight
是偶数长度并且dilation
在任何维度上都是奇数,则内部可能需要完整的pad()
操作。降低性能。dilation-内核元素之间的间距。可以是单个数字或单元素元组
(dW,)
。默认值:1groups-将输入分成组, 应该可以被组数整除。默认值:1
对由多个输入平面组成的输入信号应用一维卷积。
该运算符支持 TensorFloat32。
有关详细信息和输出形状,请参见
Conv1d
。注意
在某些情况下,当在 CUDA 设备上给定张量并使用 CuDNN 时,此运算符可能会选择非确定性算法来提高性能。如果这是不可取的,您可以尝试通过设置
torch.backends.cudnn.deterministic = True
来使操作具有确定性(可能以性能为代价)。有关详细信息,请参阅重现性。例子:
>>> inputs = torch.randn(33, 16, 30) >>> filters = torch.randn(20, 16, 5) >>> F.conv1d(inputs, filters)
参数:
相关用法
- Python PyTorch conv_transpose3d用法及代码示例
- Python PyTorch conv2d用法及代码示例
- Python PyTorch convert用法及代码示例
- Python PyTorch conv3d用法及代码示例
- Python PyTorch conv_transpose2d用法及代码示例
- Python PyTorch conv_transpose1d用法及代码示例
- Python PyTorch constant_用法及代码示例
- Python PyTorch context用法及代码示例
- Python PyTorch cond用法及代码示例
- Python PyTorch conj_physical用法及代码示例
- Python PyTorch conj用法及代码示例
- Python PyTorch column_stack用法及代码示例
- Python PyTorch cov用法及代码示例
- Python PyTorch cos用法及代码示例
- Python PyTorch compute_deltas用法及代码示例
- Python PyTorch combinations用法及代码示例
- Python PyTorch collect_all用法及代码示例
- Python PyTorch count_nonzero用法及代码示例
- Python PyTorch cosh用法及代码示例
- Python PyTorch cosine_similarity用法及代码示例
- Python PyTorch complex用法及代码示例
- Python PyTorch corrcoef用法及代码示例
- Python PyTorch copysign用法及代码示例
- Python PyTorch cholesky用法及代码示例
- Python PyTorch cumprod用法及代码示例
注:本文由纯净天空筛选整理自pytorch.org大神的英文原创作品 torch.nn.functional.conv1d。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。