torch.nn.functional.conv1d

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

對由多個輸入平面組成的輸入信號應用 1D 卷積。

此運算子支援 TensorFloat32。

詳情及輸出形狀請參閱 Conv1d。

注意

在某些情況下，當給定 CUDA 裝置上的張量並使用 CuDNN 時，此運算子可能會選擇非確定性演算法以提高效能。 如果不希望這樣，您可以嘗試通過設置 torch.backends.cudnn.deterministic = True 使操作具有確定性（可能會以效能為代價）。 有關更多資訊，請參閱 再現性。

注意

此運算子支援複數資料類型，例如 complex32, complex64, complex128。

參數

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

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

• bias – 形狀為 $(\text{out\_channels})$ 的可選偏差。 預設值：None

• stride – 卷積核心的步幅。 可以是單個數字或一個元素的元組 (sW,)。 預設值：1

• padding –

  輸入兩側的隱式填充。 可以是字串 {'valid', 'same'}、單個數字或一個元素的元組 (padW,)。 預設值：0。 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，此模式不支援任何步幅值，除了 1。

  警告

  對於 padding='same'，如果 weight 是偶數長度且 dilation 在任何維度上都是奇數，則可能需要在內部進行完整的 pad() 操作。 降低效能。

• dilation – 核心元素之間的間距。 可以是單個數字或一個元素的元組 (dW,)。 預設值：1

• groups – 將輸入分割成多個群組，$\text{in\_channels}$ 應該可以被群組數量整除。 預設值：1

範例

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