torch.nn.functional.conv3d

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

對由多個輸入平面組成的輸入影像應用 3D 卷積。

此運算子支援TensorFloat32。

有關詳細資訊和輸出形狀，請參閱 Conv3d。

注意

在某些情況下，當在 CUDA 裝置上使用張量並利用 CuDNN 時，此運算元可能會選擇一個非確定性演算法來提高效能。如果這不可取，你可以嘗試將操作設定為確定性的（可能以效能為代價），方法是設定 torch.backends.cudnn.deterministic = True。有關更多資訊，請參閱 可復現性。

注意

此運算子支援複數資料型別，例如 complex32, complex64, complex128。

引數

• input – 輸入張量，形狀為 $(\text{minibatch} , \text{in\_channels} , iT , iH , iW)$

• weight – 濾波器，形狀為 $(\text{out\_channels} , \frac{\text{in\_channels}}{\text{groups}} , kT , kH , kW)$

• bias – 可選的偏置張量，形狀為 $(\text{out\_channels})$。 預設為 None

• stride – 卷積核的步長。可以是一個單獨的數字，也可以是一個元組 (sT, sH, sW)。預設為 1

• padding –

  在輸入兩側的隱式填充。可以是一個字串 {‘valid’, ‘same’}、一個單獨的數字或一個元組 (padT, padH, padW)。預設為 0 padding='valid' 等同於無填充。padding='same' 會填充輸入，使得輸出的形狀與輸入相同。但是，此模式不支援任何非 1 的步長值。

  警告

  對於 padding='same'，如果 weight 的長度是偶數且 dilation 在任何維度上都是奇數，則可能需要在內部進行一次完整的 pad() 操作。這會降低效能。

• dilation – 核心元素之間的間距。可以是一個單獨的數字，也可以是一個元組 (dT, dH, dW)。預設為 1

• groups – 將輸入分割成組，$\text{in\_channels}$ 必須能被組數整除。預設值：1

示例

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