1D卷积详解

• 1D卷积类的调用参数解释

  class torch.nn.Conv1d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True)
  -in_channels(int) – 输入通道数量。在文本分类中，即为词向量的维度
  -out_channels(int) – 经过卷积生成的通道数量。有多少个out_channels，就需要多少个1维卷积
  -kernel_size(int or tuple) - 卷积核的尺寸，卷积核的大小为(k,)，第二个维度是由in_channels来决定的，所以实际上卷积大小为kernel_size*in_channels
  -stride(int or tuple, optional) - 卷积步长
  -padding (int or tuple, optional)- 输入的每一条边补充0的层数
  -dilation(int or tuple, optional) – 卷积核元素之间的间距（空洞卷积）
  -groups(int, optional) – 从输入通道到输出通道的阻塞连接数
  -bias(bool, optional) - 偏置量选择，bias=True为添加

• 举例代码

  import torch
  from torch import nn
  kernel_size = 5
  padding = kernel_size // 2 # 对kernel_size向下取整
  conv1 = nn.Conv1d(1, 1,kernel_size=kernel_size, padding=padding, bias = False)
  inputs = torch.ones([2, 1, 512])
  outputs = conv1(inputs)
  print(outputs.size())
  outputs = outputs.view([2, 512, 1, 1])

  因为通常来说1D卷积几乎在图像处理中很少使用，所以官网上对1D卷积的解释也是偏向于NLP处理。conv1只支持三维矩阵输入，分别是N（batch_size）、C（channels）、L（序列长度）。对应于上面的代码而言，N应该是2，C应该是1，L应该是512，所以需要在图像输入时进行转置操作，将C和L的数值交换一下，才能作为输入。又因为padding保证了输入和输出的维度一致，所以输出的shape仍然是[2, 1, 512]，此时可以借助view再reshape一下变成正常的图像shape[2, 512, 1, 1]

• 简单理解
  1D卷积是在一个维度上（线性）进行卷积核（1D）的移动，2D卷积是在两个维度上（平面）进行卷积核（2D）的移动，3D卷积是在空间上（立体空间）进行卷积核（3D）的移动。