Conv3d

类torch.nn.Conv3d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True, padding_mode='zeros', device=None, dtype=None)[源代码]

对由多个输入平面组成的输入信号进行三维卷积。

在最简单的情况下，输入大小为$(N, C_{in}, D, H, W)$且输出为$(N, C_{out}, D_{out}, H_{out}, W_{out})$的层的输出值可以精确地描述为：

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

其中$\star$ 代表有效的三维交叉相关运算符

此模块支持TensorFloat32。

在某些ROCm设备上，当使用float16输入时，此模块会采用不同的精度进行反向传播。

• stride 控制跨相关运算的步长。

• padding 控制应用于输入的填充量。它可以是字符串 {‘valid’, ‘same’} 或者一个整数元组，表示在两侧隐式添加的填充量。

• dilation 控制核点之间的间距，也称为 à trous 算法。它更难描述，但这个 链接 提供了一个很好的可视化来展示 dilation 的作用。

• groups 控制输入和输出之间的连接关系。in_channels 和 out_channels 必须都能被 groups 整除。例如，

  • 当groups等于1时，所有的输入都会与所有的输出进行卷积运算。

  • 当 groups=2 时，操作等同于有两个并排的卷积层，每个卷积层处理一半的输入通道并生成一半的输出通道，最后将这两个卷积层的结果拼接在一起。

  • 当 groups= in_channels 时，每个输入通道与其自身的滤波器组（大小为$\frac{\text{out\_channels}}{\text{in\_channels}}$）进行卷积。

参数 kernel_size、stride、padding 和 dilation 可以是：

• 一个单独的 int — 在这种情况下，这个值将同时应用于深度、高度和宽度这三个维度。

• 一个包含三个整数的 元组 – 在这种情况下，第一个整数表示深度维度，第二个整数表示高度维度，第三个整数表示宽度维度。

注意

当 groups 等于 in_channels 且 out_channels 等于 K * in_channels（其中 K 是一个正整数）时，此操作也被称为“深度卷积”。

换句话说，对于大小为 $(N, C_{in}, L_{in})$ 的输入，可以使用参数 $(C_\text{in}=C_\text{in}, C_\text{out}=C_\text{in} \times \text{K}, ..., \text{groups}=C_\text{in})$ 对深度乘数为 K 的输入执行逐深度卷积。

注意

在某些情况下，当张量位于 CUDA 设备上并使用 CuDNN 时，此操作符可能会选择一个非确定性算法以提高性能。如果你不希望这样，可以通过将 torch.backends.cudnn.deterministic = True 设置为 True 来使操作具有确定性（这可能会影响性能）。有关更多信息，请参阅可重复性。

注意

padding='valid' 相当于没有 padding。padding='same' 则会对输入进行填充，使输出的形状与输入保持一致。不过，这种模式只支持步幅值为 1 的情况。

注意

此模块支持复杂数据类型，例如 complex32, complex64, complex128。

参数

• in_channels (int) – 输入图像的通道数量

• out_channels (int) – 卷积生成的通道数量

• kernel_size (int 或 tuple) – 卷积核的尺寸

• stride (int 或 元组, 可选) – 卷积的步长。默认值：1

• padding (int, tuple 或 str, 可选) – 添加到输入六边的填充。默认值：0

• dilation (int 或 tuple, 可选) – 核元素之间的间隔。默认值：1

• groups (int, 可选) – 输入通道到输出通道的阻塞连接数量。默认值：1

• bias (bool, 可选) – 如果为 True，则在输出中添加一个可学习的偏置。默认值： True

• padding_mode (str, optional) – 'zeros', 'reflect', 'replicate' 或 'circular'。默认值：'zeros'

形状:

• 输入: $(N, C_{\text{in}}, D_{\text{in}}, H_{\text{in}}, W_{\text{in}})$ 或 $(C_{\text{in}}, D_{\text{in}}, H_{\text{in}}, W_{\text{in}})$

• 输出为 $(N, C_{out}, D_{out}, H_{out}, W_{out})$ 或 $(C_{out}, D_{out}, H_{out}, W_{out})$，其中

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

变量

• weight (Tensor) – 模块的可学习权重，其形状为 $(\text{out\_channels}, \frac{\text{in\_channels}}{\text{groups}},$ $\text{kernel\_size[0]}, \text{kernel\_size[1]}, \text{kernel\_size[2]})$。这些权重的值从分布$\mathcal{U}(-\sqrt{k}, \sqrt{k})$ 中抽取，其中 $k = \frac{\text{groups}}{C_\text{in} * \prod_{i=0}^{2}\text{kernel\_size}[i]}$

• bias (Tensor) – 模块的可学习偏置，形状为 (out_channels)。如果 bias 为 True，则这些权重的值从分布 $\mathcal{U}(-\sqrt{k}, \sqrt{k})$ 中抽取，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)