Conv3d

class torch.nn.modules.conv.Conv3d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True, padding_mode='zeros', device=None, dtype=None)

對由多個輸入平面組成的輸入訊號應用 3D 卷積。

在最簡單的情況下，具有輸入尺寸 $(N, C_{in}, D, H, W)$ 和輸出 $(N, C_{out}, D_{out}, H_{out}, W_{out})$ 可以精確地描述為：

$$out(N_i, C_{out_j}) = bias(C_{out_j}) + \sum_{k = 0}^{C_{in} - 1} weight(C_{out_j}, k) \star input(N_i, k)$$

其中 $\star$ 是有效的 3D 交叉相關 運算元。

此模組支援 TensorFloat32。

在某些 ROCm 裝置上，當使用 float16 輸入時，此模組將對反向傳播使用不同精度。

• stride 控制互相關的步長。

• padding 控制應用於輸入的填充量。它可以是一個字串 {‘valid’, ‘same’} 或一個整數元組，表示應用於兩側的隱式填充量。

• dilation 控制核點之間的間距；也稱為空洞卷積演算法。這個概念比較難描述，但 這個連結 有一個 dilation 作用的視覺化。

• groups 控制輸入和輸出之間的連線。 in_channels 和 out_channels 都必須能被 groups 整除。例如，

  • 當 groups=1 時，所有輸入都會與所有輸出進行卷積。

  • 當 groups=2 時，操作相當於有兩個並排的卷積層，每個層看到一半的輸入通道併產生一半的輸出通道，然後將兩者連線起來。

  • 當 groups = in_channels 時，每個輸入通道都與其自身的濾波器集（大小為 $\frac{\text{out\_channels}}{\text{in\_channels}}$）進行卷積。

引數 kernel_size、stride、padding、dilation 可以是

• 單個 int —— 此時深度、高度和寬度維度都使用相同的值

• 一個由三個整陣列成的 tuple —— 這種情況下，第一個 int 用於深度維度，第二個 int 用於高度維度，第三個 int 用於寬度維度。

注意

當 groups == in_channels 且 out_channels == K * in_channels（其中 K 是一個正整數）時，此操作也稱為“深度可分離卷積”。

換句話說，對於輸入尺寸為 $(N, C_{in}, L_{in})$ 的深度卷積（depthwise convolution），以及一個深度乘數 K，可以透過引數 $(C_\text{in}=C_\text{in}, C_\text{out}=C_\text{in} \times \text{K}, ..., \text{groups}=C_\text{in})$ 來執行。

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

padding='valid' 等同於不填充。 padding='same' 會填充輸入，使輸出具有與輸入相同的形狀。但是，此模式不支援任何步幅值大於 1 的情況。

注意

此模組支援複雜資料型別，即 complex32, complex64, complex128。

引數

• in_channels (int) – 輸入影像中的通道數

• out_channels (int) – 卷積產生的通道數

• kernel_size (int 或 tuple) – 卷積核的大小

• stride (int 或 tuple, 可選) – 卷積的步幅。預設為：1

• padding （int, tuple 或 str, optional）– 新增到輸入所有六個面的填充。預設值：0

• dilation (int 或 tuple, 可選) – 核元素之間的間距。預設為：1

• groups (int, 可選) – 從輸入通道到輸出通道的阻塞連線數。預設為：1

• bias (bool, 可選) – 如果為 True，則向輸出新增可學習的偏置。預設為：True

• padding_mode (str, 可選) – 'zeros'、'reflect'、'replicate' 或 'circular'。預設為：'zeros'

形狀

• 輸入： $(N, C_{in}, D_{in}, H_{in}, W_{in})$ 或 $(C_{in}, D_{in}, H_{in}, W_{in})$。

• 輸出： $(N, C_{out}, D_{out}, H_{out}, W_{out})$ 或 $(C_{out}, D_{out}, H_{out}, W_{out})$。

  $$D_{out} = \left\lfloor\frac{D_{in} + 2 \times \text{padding}[0] - \text{dilation}[0] \times (\text{kernel\_size}[0] - 1) - 1}{\text{stride}[0]} + 1\right\rfloor$$
  $$H_{out} = \left\lfloor\frac{H_{in} + 2 \times \text{padding}[1] - \text{dilation}[1] \times (\text{kernel\_size}[1] - 1) - 1}{\text{stride}[1]} + 1\right\rfloor$$
  $$W_{out} = \left\lfloor\frac{W_{in} + 2 \times \text{padding}[2] - \text{dilation}[2] \times (\text{kernel\_size}[2] - 1) - 1}{\text{stride}[2]} + 1\right\rfloor$$

變數

• weight （Tensor）– 模組的可學習權重，形狀為 $(\text{out\_channels}, \frac{\text{in\_channels}}{\text{groups}},$ $\text{kernel\_size[0]}, \text{kernel\_size[1]}, \text{kernel\_size[2]})$。這些權重的取值從 $\mathcal{U}(-\sqrt{k}, \sqrt{k})$ 取樣而來。

• bias （Tensor）– 模組的可學習偏置，形狀為 (out_channels)。如果 bias 為 True，則這些權重的取值從 $\mathcal{U}(-\sqrt{k}, \sqrt{k})$ 取樣而來，其中 $k = \frac{groups}{C_\text{in} * \prod_{i=0}^{2}\text{kernel\_size}[i]}$

示例

>>> # With square kernels and equal stride
>>> m = nn.Conv3d(16, 33, 3, stride=2)
>>> # non-square kernels and unequal stride and with padding
>>> m = nn.Conv3d(16, 33, (3, 5, 2), stride=(2, 1, 1), padding=(4, 2, 0))
>>> input = torch.randn(20, 16, 10, 50, 100)
>>> output = m(input)