Python：torch.nn.Conv1d(), torch.nn.Conv2d()和torch.nn.Conv3d()函数理解

Python：torch.nn.Conv1d(), torch.nn.Conv2d()和torch.nn.Conv3d()函数理解

1. 函数参数

在torch中的卷积操作有三个，torch.nn.Conv1d(),torch.nn.Conv2d()还有torch.nn.Conv3d(),这是搭建网络过程中常用的网络层，为了用好卷积层，需要知道这些参数代表的含义。

这三种不同的卷积的输入参数是相同的,所以只看一个就可以。

def __init__(self,in_channels: int,out_channels: int,kernel_size: _size_2_t,stride: _size_2_t = 1,padding: Union[str, _size_2_t] = 0,dilation: _size_2_t = 1,groups: int = 1,bias: bool = True,padding_mode: str = 'zeros',  # TODO: refine this typedevice=None,dtype=None

这里面的参数网上有很多说明，重点是怎么理解和使用。

2. 参数理解

这里面重点是in_channels参数，这个是代表数据输入的通道，很多说明这个通道是利用torch.nn.Conv2d处理图片数据来进行说明的，代表的是图片的通道数，然后面的两个参数对应着图片的长度和宽度。

下面是本人对这参数的理解过程：

• 首先对于torch.nn.Conv函数，所接受的数据是可以带有batch维度的，也可以不带有batch维度，这就表示对于torch.nn.Conv2d可以接受的数据包括3维数据或者4维数据，

如：

conv2 = torch.nn.Conv2d(16, 120, 3, stride=2)
input2_3 = torch.randn(16, 5, 5)
output2_3 = conv2(input2_3)
print(output2_3.shape)input2_4 = torch.randn(20, 16, 5, 5)
output2_4 = conv2(input2_4)
print(output2_4.shape)

该段得到的输出为：

torch.Size([120, 2, 2])
torch.Size([20, 120, 2, 2])

这是因为input2_4只是多了一个维度batch在第一个维度上，如果输入的数据是2维的或者5维的，就会提示如下的错误：指明只能接受3维的数据或者4维的数据.

RuntimeError: Expected 3D (unbatched) or 4D (batched) input to conv2d, but got input of size: [20, 20, 16, 5, 5]

这其实就说明了根据自己数据维度选择合适的torch.nn.Conv, 例如，如果数据是2维的，那么就选择torch.nn.Conv1d,这个可以接收传入的数据维度可以是2维，或者是带有batch维度的3维数据。

之后需要注意的是in_channels参数其实对应的就是传入数据的第一个维度（不带有batch）或者带有batch的第二个维度，这个要和in_channels参数相同。

可以理解成这个in_channels就是表示了有多个卷积核在参与计算，那么剩下的维度正好就是卷积核的维度，

如对于torch.nn.Conv3d，传入的数据最少是4维数据，（不带有batch）,那么第一维的数据应该等于in_channels，然后剩下三维正好的是卷积核的维度。
如：

conv3 = torch.nn.Conv3d(16, 120, 3, stride=2)
input3 = torch.randn(16, 5, 5, 5)
output3 = conv3(input3)
print(output3.shape)

会得到

torch.Size([120, 2, 2, 2])

这个卷积核是333，相当于有16个卷积核，每个卷积核在16维的数据上依次计算。

其他的作为输出影响的是数据的维度大小，但是out_channels又决定了输出数据的第一个维度，（不带有batch）,就可以依然用这个方式思考。

针对后面几维数据的大小，由其他的参数决定，这个有公式可以计算，懒得算也可以直接打印输出看一下维度。