torch.nn.Conv3d-Toy模板网

这篇具有很好参考价值的文章主要介绍了torch.nn.Conv3d。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

3D卷积

比Conv2D多一个维度。

举例说明：Conv2D对720×720的3通道图像进行卷积，batch_size设为64，则输入向量的维度为 [64, 3, 720, 720], Conv3D对分辨率为720×720的视频(假设为连续5帧)进行卷积，batch_size设为64，则输入向量的维度为 [64, 3, 5, 720, 720]

torch.nn.Conv3d(in_channels, 
                out_channels, 
                kernel_size, 
                stride=1, 
                padding=0, 
                dilation=1, 
                groups=1, 
                bias=True,
                padding_mode = 'zeros')

参数详解文章来源地址https://www.toymoban.com/news/detail-407957.html

in_channels(int) ：输入张量的通道数

out_channels(int) ：卷积中滤波器的数量，表示输出张量的通道数

kerner_size(int or tuple) ：卷积窗口的宽度和高度

stride(int or tuple, optional) ：卷积沿宽度和高度方向的步长

padding(int or tuple, optional) ：输入的每一条边填充的层数

dilation(int or tuple, optional) ：卷积核元素之间的间距，即膨胀卷积的膨胀率，默认为1。

groups(int, optional)：控制输入和输出之间的连接： group=1，输出是所有的输入的卷积；group=2，此时相当于有并排的两个卷积层，每个卷积层计算输入通道的一半，并且产生的输出是输出通道的一半，随后将这两个输出连接起来。

bias(bool, optional) ：如果bias=True，添加偏置

padding_mode(str, optional) ：填充的方式，如果padding_mode = 'zeros'，表示用0填充

示例

import torch.nn as nn
import torch

# 创建一个卷积层，填充一圈0
conv1 = nn.Conv3d(in_channels=3,
                  out_channels=32,
                  kernel_size=(3, 3, 3),
                  stride=(2, 2. 2),
                  padding=1)

# 创建一个卷积层，无填充
conv2 = nn.Conv3d(in_channels=3,
                  out_channels=32,
                  kernel_size=(3, 3, 3),
                  stride=(2, 2, 2),
                  padding=0)

# 创建一个维度为[64, 3, 7, 5, 5]的tensor
x = torch.rand(64, 3, 7, 5, 5)  

# 进行卷积
y1 = conv1(x)
print(y1.shape) # [64, 32, 4, 3, 3]

# 进行卷积
y2 = conv2(x)
print(y2.shape) # [64, 32, 3, 2, 2]

到了这里，关于torch.nn.Conv3d的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！