torch.nn.functional.conv1d

torch.nn.functional.conv1d(input, weight, bias=None, stride=1, padding=0, dilation=1, groups=1) → Tensor

在一系列輸入平面組成的輸入訊號上應用一維卷積。

該運算元支援 TensorFloat32。

有關詳細資訊和輸出形狀，請參見 Conv1d。

注意

在某些情況下，當給定 CUDA 裝置上的張量並使用 CuDNN 時，該運算元可能會選擇非確定性演算法以提高效能。如果不需要此行為，您可以透過設定 torch.backends.cudnn.deterministic = True 來嘗試使操作具有確定性（可能犧牲一些效能）。有關更多資訊，請參見 可復現性。

注意

該運算元支援複雜資料型別，即 complex32, complex64, complex128。

引數

• input – 輸入張量，形狀為 $(\text{minibatch} , \text{in\_channels} , iW)$

• weight – 濾波器張量，形狀為 $(\text{out\_channels} , \frac{\text{in\_channels}}{\text{groups}} , kW)$

• bias – 可選的偏置張量，形狀為 $(\text{out\_channels})$。預設值: None

• stride – 卷積核的步幅。可以是單個數字或一元素元組 (sW,)。預設值: 1

• padding –

  輸入兩側的隱式填充。可以是字串 {'valid', 'same'}、單個數字或一元素元組 (padW,)。預設值: 0。padding='valid' 與無填充相同。padding='same' 會對輸入進行填充，使輸出與輸入具有相同的形狀。但是，此模式不支援除 1 以外的任何步幅值。

  警告

  對於 padding='same'，如果在任何維度上 weight 是偶數長度且 dilation 是奇數，則內部可能需要完整的 pad() 操作。這會降低效能。

• dilation – 核心元素之間的間距。可以是單個數字或一元素元組 (dW,)。預設值: 1

• groups – 將輸入分成組，$\text{in\_channels}$ 應能被組數整除。預設值: 1

示例

>>> inputs = torch.randn(33, 16, 30)
>>> filters = torch.randn(20, 16, 5)
>>> F.conv1d(inputs, filters)