Convolution 函数

torch.nn.functional.conv1d(input, weight, bias=None, stride=1, padding=0, dilation=1, groups=1)

对几个输入平面组成的输入信号应用1D卷积。

有关详细信息和输出形状，请参见Conv1d。

参数：

• input – 输入张量的形状 (minibatch x in_channels x iW)
• weight – 过滤器的形状 (out_channels, in_channels, kW)
• bias – 可选偏置的形状 (out_channels)
• stride – 卷积核的步长，默认为1

例子：

>>> filters = autograd.Variable(torch.randn(33, 16, 3))>>> inputs = autograd.Variable(torch.randn(20, 16, 50))>>> F.conv1d(inputs, filters)

torch.nn.functional.conv2d(input, weight, bias=None, stride=1, padding=0, dilation=1, groups=1)

对几个输入平面组成的输入信号应用2D卷积。

有关详细信息和输出形状，请参见Conv2d。

参数：

• input – 输入张量 (minibatch x in_channels x iH x iW)
• weight – 过滤器张量 (out_channels, in_channels/groups, kH, kW)
• bias – 可选偏置张量 (out_channels)
• stride – 卷积核的步长，可以是单个数字或一个元组 (sh x sw)。默认为1
• padding – 输入上隐含零填充。可以是单个数字或元组。 默认值：0
• groups – 将输入分成组，in_channels应该被组数除尽

例子：

>>> # With square kernels and equal stride>>> filters = autograd.Variable(torch.randn(8,4,3,3))>>> inputs = autograd.Variable(torch.randn(1,4,5,5))>>> F.conv2d(inputs, filters, padding=1)

torch.nn.functional.conv3d(input, weight, bias=None, stride=1, padding=0, dilation=1, groups=1)

对几个输入平面组成的输入信号应用3D卷积。

有关详细信息和输出形状，请参见Conv3d。

参数：

• input – 输入张量的形状 (minibatch x in_channels x iT x iH x iW)
• weight – 过滤器张量的形状 (out_channels, in_channels, kT, kH, kW)
• bias – 可选偏置张量的形状 (out_channels)
• stride – 卷积核的步长，可以是单个数字或一个元组 (sh x sw)。默认为1
• padding – 输入上隐含零填充。可以是单个数字或元组。 默认值：0

例子：

>>> filters = autograd.Variable(torch.randn(33, 16, 3, 3, 3))>>> inputs = autograd.Variable(torch.randn(20, 16, 50, 10, 20))>>> F.conv3d(inputs, filters)

torch.nn.functional.conv_transpose1d(input, weight, bias=None, stride=1, padding=0, output_padding=0, groups=1)

torch.nn.functional.conv_transpose2d(input, weight, bias=None, stride=1, padding=0, output_padding=0, groups=1)

在由几个输入平面组成的输入图像上应用二维转置卷积，有时也称为“去卷积”。

有关详细信息和输出形状，请参阅ConvTranspose2d。

参数：

• input – 输入张量的形状 (minibatch x in_channels x iH x iW)
• weight – 过滤器的形状 (in_channels x out_channels x kH x kW)
• bias – 可选偏置的形状 (out_channels)
• stride – 卷积核的步长，可以是单个数字或一个元组 (sh x sw)。默认: 1
• padding – 输入上隐含零填充。可以是单个数字或元组。 (padh x padw)。默认: 0
• groups – 将输入分成组，in_channels应该被组数除尽
• output_padding – 0 <= padding <stride的零填充，应该添加到输出。可以是单个数字或元组。默认值：0

torch.nn.functional.conv_transpose3d(input, weight, bias=None, stride=1, padding=0, output_padding=0, groups=1)

在由几个输入平面组成的输入图像上应用三维转置卷积，有时也称为“去卷积”。

有关详细信息和输出形状，请参阅ConvTranspose3d。

参数：

• input – 输入张量的形状 (minibatch x in_channels x iT x iH x iW)
• weight – 过滤器的形状 (in_channels x out_channels x kH x kW)
• bias – 可选偏置的形状 (out_channels)
• stride – 卷积核的步长，可以是单个数字或一个元组 (sh x sw)。默认: 1
• padding – 输入上隐含零填充。可以是单个数字或元组。 (padh x padw)。默认: 0