PyTorch框架中conv1d和conv2d的输入数据维度详解

文章目录

Conv1d

Conv1d 的输入数据维度通常是一个三维张量，形状为 (batch_size, in_channels, sequence_length)，其中：

batch_size 表示当前输入数据的批次大小；
in_channels 表示当前输入数据的通道数，对于文本分类任务通常为 1，对于图像分类任务通常为 3（RGB）、1（灰度）等；
sequence_length 表示当前输入数据的序列长度，对于文本分类任务通常为词向量的长度，对于时序信号处理任务通常为时间序列的长度，对于图像分类任务通常为图像的高或宽。
具体来说，Conv1d 模块会对第二维和第三维分别进行一维卷积操作，保留第一维（即批次大小）不变，输出一个新的三维张量，形状为 (batch_size, out_channels, new_sequence_length)，其中 out_channels 表示卷积核的数量，new_sequence_length 表示卷积后的序列长度。

示例:

import torch
import torch.nn as nn

class Net(nn.Module):
    def __init__(self):
        super().__init__()
        self.conv = nn.Sequential(
            nn.Conv1d(in_channels=1, out_channels=16, kernel_size=2),
            nn.ReLU(),
            # nn.MaxPool1d(kernel_size=2),
            nn.Conv1d(in_channels=16, out_channels=32, kernel_size=2),
            nn.ReLU(),
            # nn.MaxPool1d(kernel_size=2)
        )
        self.fc = nn.Linear(128, 2)

    def forward(self, x):
        x = x.unsqueeze(1)
        x = self.conv(x)
        x = x.view(x.size(0), -1)
        x = self.fc(x)
        return x
x = torch.randn(200,6)
# x = x.unsqueeze(1)
net = Net()
output = net(x)
print(x.shape)

Conv2d

在 PyTorch 中，使用 nn.Conv2d 创建卷积层时，输入数据的维度应该是 (batch_size, input_channels, height, width)。其中，

batch_size 表示当前输入数据的批次大小；
input_channels 表示当前输入数据的通道数，对于彩色图像通常为 3（RGB），对于灰度图像通常为 1；
height 和 width 分别表示输入数据的高和宽。因此，在 PyTorch 框架中，Conv2d 的输入数据维度应该是一个四维张量，形状为 (batch_size, input_channels, height, width)。