torch.nn.functional.conv3d

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

對由多個輸入平面組成的輸入圖像應用 3D 卷積。

此運算子支援 TensorFloat32。

有關詳細資訊和輸出形狀，請參閱 Conv3d。

注意

在某些情況下，當在 CUDA 裝置上給定 tensors 並使用 CuDNN 時，此運算子可能會選擇一種非確定性的演算法來提高效能。 如果不希望這樣，您可以嘗試透過設定 torch.backends.cudnn.deterministic = True 使操作具有確定性（可能會犧牲效能）。 有關更多資訊，請參閱 再現性。

注意

此運算子支援複雜的資料類型，即 complex32, complex64, complex128。

參數

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

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

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

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

• padding –

  輸入兩側的隱式填充。 可以是字串 {'valid', 'same'}、單個數字或元組 (padT, padH, 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，此模式不支援除 1 之外的任何步幅值。

  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。 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 – 將輸入分成群組，$\text{in\_channels}$ 應可被群組數量整除。預設值：1

範例

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