Conv3d

class torch.nn.Conv3d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True, padding_mode='zeros', device=None, dtype=None)

對由多個輸入平面組成的輸入訊號應用 3D 卷積。

在最簡單的情況下，輸入大小為 $(N, C_{in}, D, H, W)$ 且輸出為 $(N, C_{out}, D_{out}, H_{out}, W_{out})$ 的層的輸出值可以精確地描述為

$$out(N_i, C_{out_j}) = bias(C_{out_j}) + \sum_{k = 0}^{C_{in} - 1} weight(C_{out_j}, k) \star input(N_i, k)$$

其中 $\star$ 是有效的 3D 互相關 (cross-correlation) 運算子

此模組支援 TensorFloat32。

在某些 ROCm 裝置上，當使用 float16 輸入時，此模組將對 backward 使用不同的精確度。

• stride 控制互相關 (cross-correlation) 的步幅。

• padding 控制應用於輸入的填充量。 它可以是字串 {'valid', 'same'} 或整數的元組，提供應用於兩側的隱式填充量。

• dilation 控制核心點之間的間距；也稱為 à trous 演算法。 雖然很難描述，但這個 連結 有對 dilation 的作用進行很好的視覺化呈現。

• groups 控制輸入和輸出之間的連接。 in_channels 和 out_channels 都必須能被 groups 整除。 例如，

  • 當 groups=1 時，所有輸入都會卷積到所有輸出。

  • 當 groups=2 時，此操作相當於並排有兩個卷積層，每個層看到一半的輸入通道並產生一半的輸出通道，然後將兩者串聯。

  • 當 groups= in_channels 時，每個輸入通道都使用自己的一組濾波器進行卷積（大小為 $\frac{\text{out\_channels}}{\text{in\_channels}}$）。

參數 kernel_size、 stride、 padding、 dilation 可以是

• 單個 int – 在這種情況下，相同的值用於深度、高度和寬度維度

• 三個 int 的 tuple – 在這種情況下，第一個 int 用於深度維度，第二個 int 用於高度維度，第三個 int 用於寬度維度

注意

當 groups == in_channels 且 out_channels == K * in_channels 時，其中 K 是一個正整數，此操作也稱為“深度卷積”。

換句話說，對於大小為 $(N, C_{in}, L_{in})$ 的輸入，可以使用參數 $(C_\text{in}=C_\text{in}, C_\text{out}=C_\text{in} \times \text{K}, ..., \text{groups}=C_\text{in})$ 執行深度可分離卷積，其中深度乘數為 K 。

注意

在某些情況下，當在 CUDA 裝置上給定張量並使用 CuDNN 時，此運算符可能會選擇一種非確定性演算法來提高效能。 如果不希望這樣，您可以嘗試設定 torch.backends.cudnn.deterministic = True 來使操作具有確定性（可能會降低效能）。 有關更多資訊，請參閱重現性。

注意

padding='valid' 與不填充相同。 padding='same' 填充輸入，使輸出具有與輸入相同的形狀。 但是，此模式不支援 1 以外的任何 stride 值。

注意

此模組支援複數資料類型，即 complex32, complex64, complex128。

參數

• in_channels (int) – 輸入影像中的通道數

• out_channels (int) – 卷積產生的通道數

• kernel_size (int 或 tuple) – 卷積核心的大小

• stride (int 或 tuple, optional) – 卷積的步幅。 預設值：1

• padding (int, tuple 或 str, optional) – 增加到輸入的所有六個面的填充。 預設值：0

• dilation (int 或 tuple, optional) – 核心元素之間的間距。 預設值：1

• groups (int, optional) – 從輸入通道到輸出通道的阻塞連接數。 預設值：1

• bias (bool, optional) – 如果 True，則向輸出新增可學習的偏差。 預設值：True

• padding_mode (str, optional) – 'zeros'、'reflect'、'replicate' 或 'circular'。 預設值：'zeros'

形狀

• 輸入：$(N, C_{in}, D_{in}, H_{in}, W_{in})$ 或 $(C_{in}, D_{in}, H_{in}, W_{in})$

• 輸出：$(N, C_{out}, D_{out}, H_{out}, W_{out})$ 或 $(C_{out}, D_{out}, H_{out}, W_{out})$，其中

  $$D_{out} = \left\lfloor\frac{D_{in} + 2 \times \text{padding}[0] - \text{dilation}[0] \times (\text{kernel\_size}[0] - 1) - 1}{\text{stride}[0]} + 1\right\rfloor$$
  $$(\text{out\_channels}, \frac{\text{in\_channels}}{\text{groups}},$$