torch.nn.Conv3d

torch.nn.Conv3d 3D卷积

推荐整理分享torch.nn.Conv3d，希望有所帮助，仅作参考，欢迎阅读内容。

文章相关热门搜索词:,内容如对您有帮助，希望把文章链接给更多的朋友！

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

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 nnimport torch# 创建一个卷积层，填充一圈0conv1 = 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tensorx = 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]