resnet一维卷积 torch一维卷积

torch学习二之nn.Convolution

• nn.Conv1d

• 函数参数
• 输入数据维度转换
• 关于kernel

• nn.Conv2D

nn.Conv1d

一维卷积通常用于处理文本数据

函数参数

首先看一下官网定义

CLASS torch.nn.Conv1d(in_channels: int, out_channels: int, kernel_size: Union[T, Tuple[T]], 
stride: Union[T, Tuple[T]] = 1, padding: Union[T, Tuple[T]] = 0, 
dilation: Union[T, Tuple[T]] = 1, groups: int = 1, bias: bool = True, padding_mode: str = 'zeros')

一般我们需要关注的是以下几个参数：

1. int_channels:
   输入通道，在文本数据中，即词向量的维数 word_embedding_size
2. out_channels:
   输出通道，可以认为是特征的维数，做一遍卷积(对应一个卷积核)可以得到一个特征，所以输出通道数决定了做卷积的遍数
   （这里对于遍的理解看完下面的示例图就明白了）
4. kernel_size:
   卷积核的大小，可以理解为多少个词之间进行交互
   卷积之后的维数为 ( (word_embedding_size - kernel_size) / stride + 1)
   但是一般都会做一个pooling，因为不同的卷积核最后输出的维数不同，用pooling统一，一般为max_pool，最后都是 out_channels * 1



5. 此时，word_embedding_size = 10，kernel_size = 2，stride = 1
6. stride:
   kernel 移动的步长，参照上图
7. padding：
   由上面可知，做完一遍卷积后维数降低，如果希望维数保持不变（或自定义），可以在向量两边做padding，padding则定义了你希望在两边增加的维数，padding_mode 则定义了你希望补充的数是多少

输入数据维度转换

通常我们输入的数据格式如下：

batch_size(sentence_number) * sentence_max_length * word_embedding_size

但是，要明确，我们希望的卷积是在一个句子的词与词之间进行，而不是在一个句子的一个词的embedding里进行，而一维卷积是对最后一维进行的，所以需要先对tensor进行一下维度转换，使得sentence_max_length那一维是最后一维。

tensor.permute()

batch_size(sentence_number) * word_embedding_size * sentence_max_length

关于kernel

虽然只定义了 kernel_size，但是 kernel 并不是一维的，其实是一个二维的矩阵，大小为 kernel_size * in_channels

这样做完一遍卷积会得到一个channel，其维数为( (sentence_max_length - kernel_size) / stride + 1)

需要做 out_channels遍卷积，最终输出为：

batch_size(sentence_number) * out_channels * ((sentence_max_length - kernel_size) / stride + 1)

参考 ： 链接更新：对于这里 out_channel 的理解

图片源于：链接

nn.Conv2D

这里一般处理图片数据

基本与Conv1D类似，注意这里 kernel 大小为 kernel_size * kernel_size （或者是定义的元组的大小）

详情请看 链接