conv1d说明

conv1d在kernal=1时和linear相比?
1、摘自网上,linear更快些。效果相同?

import torch
import torch.nn as nn

# 批次、channel数、数据长度
input = torch.randn(3, 6, 5)

# in_channels=6意味着输入参数的channel数必须为6(dim=1
# kernel_size 表示卷积核大小,stride表示卷积核移动步长
conv = nn.Conv1d(in_channels=6, out_channels=5, kernel_size=2, stride=1, padding=0)

out = conv(input)

print(out.shape)
#下图表示卷积核大小为2,步长为1,一共移动了4次,所以结果的最后一维度为:4
# 1 2 3 4 5
# 1 2
#   2 3
#     3 4
#       4 5

结果:
#3表示批次和输入批次大小是一样的,5表示out_channel数,4表示卷积核移动的次数
torch.Size([3, 5, 4])



评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值