torch.nn.functional.conv3d

torch.nn.functional.conv3d(input, weight, bias=None, stride=1, padding=0, dilation=1, groups=1) → Tensor

對由多個輸入通道組成的輸入應用 3D 卷積。

該運算元支援 TensorFloat32。

有關詳細資訊和輸出形狀，請參見 Conv3d。

注意

在某些情況下，當輸入張量在 CUDA 裝置上並使用 CuDNN 時，該運算元可能會選擇非確定性演算法來提高效能。如果不需要這樣做，可以透過設定 torch.backends.cudnn.deterministic = True 使操作具有確定性（可能會犧牲效能）。更多資訊請參見 可重現性。

注意

該運算元支援複數資料型別，例如 complex32, complex64, complex128。

引數

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

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

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

• stride – 卷積核的步長。可以是單個數字或元組 (sT, sH, sW)。預設值：1

• padding –

  輸入的兩側隱式填充。可以是字串 {'valid', 'same'}、單個數字或元組 (padT, padH, padW)。預設值：0 padding='valid' 等同於不填充。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 之外的任何步長值。

  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，內部可能需要執行完整的 pad() 操作。這會降低效能。

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

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

示例

>>> filters = torch.randn(33, 16, 3, 3, 3)
>>> inputs = torch.randn(20, 16, 50, 10, 20)
>>> F.conv3d(inputs, filters)