pytorch Conv2d的第一个参数 pytorch cov1d

官方文档：https://pytorch.org/docs/stable/generated/torch.nn.Conv1d.html?highlight=nn%20conv1d#torch.nn.Conv1d

作用：对由多个输入平面组成的输入信号应用一维卷积。

在最简单的情况下，输入大小为 $(N, C_{\text{in}}, L)$ 和输出$(N, C_{\text{out}}, L_{\text{out}})$可以精确地描述为：
$\text{out}(N_i, C_{\text{out}_j}) = \text{bias}(C_{\text{out}_j}) + \sum_{k = 0}^{C_{in} - 1} \text{weight}(C_{\text{out}_j}, k) \star \text{input}(N_i, k)$
其中$\star$是互相关算子（计算卷积的方式），$N$是batch_size，$C$表示通道数， $L$表示序列的长度。

参数：

• in_channels (int) – Number of channels in the input image
• out_channels (int) – Number of channels produced by the convolution
• kernel_size (int or tuple) – Size of the convolving kernel
• stride (int or tuple, optional) – Stride of the convolution. Default: 1，控制互相关、单个数字或单元素元组的步幅。
• padding (int, tuple or str, optional) – Padding added to both sides of the input. Default: 0，控制应用于输入的填充量。它可以是一个字符串 {‘valid’, ‘same’} 或一个整数元组，给出在两边应用的隐式填充量。
• padding_mode (string, optional) – ‘zeros’, ‘reflect’, ‘replicate’ or ‘circular’. Default: ‘zeros’
• dilation (int or tuple, optional) – Spacing between kernel elements. Default: 1，控制内核点之间的间距；也称为 à trous 算法。很难描述，但是这个链接很好地可视化了膨胀的作用。
• groups (int, optional) – Number of blocked connections from input channels to output channels. Default: 1,控制输入和输出之间的连接。 in_channels 和 out_channels 都必须能被组整除。通常我们用不到。
• bias (bool, optional) – If True, adds a learnable bias to the output. Default: True

输入、输出形状：

input: $(N, C_{in}, L_{in})$或者$(C_{in}, L_{in})$
output: $(N, C_{out}, L_{out})$或者$(C_{out}, L_{out})$
$L_{out} = \left\lfloor\frac{L_{in} + 2 \times \text{padding} - \text{dilation} \times (\text{kernel\_size} - 1) - 1}{\text{stride}} + 1\right\rfloor$

变量：

• ~Conv1d.weight (Tensor) – the learnable weights of the module of shape $(\text{out\_channels}, \frac{\text{in\_channels}}{\text{groups}}, \text{kernel\_size})$ The values of these weights are sampled from $\mathcal{U}(-\sqrt{k}, \sqrt{k})$ where $k = \frac{groups}{C_\text{in} * \text{kernel\_size}}$.
• ~Conv1d.bias (Tensor) – the learnable bias of the module of shape (out_channels). If bias is True, then the values of these weights are sampled from $\mathcal{U}(-\sqrt{k}, \sqrt{k})$ where $k = \frac{groups}{C_\text{in} * \text{kernel\_size}}$.

我使用比较多的实在textcnn模型中，使用cnn模型进行特征提取，以及在IDCNN模型中进行NER任务。以textcnn为例进行介绍，batch_size=N, 批次文本的长度为seq_len（批次数据如果长度不一致时，会使用pad的方式对数据进行对齐）,设定的token（textcnn的文本处理单元，可以是字也可以是词）的Embedding维度为embedding_dim，embedding_dim也是conv1d的通道数。根据这个定义输入的数据可以如下形式：

以batch_size中的一条数据处理为例，进行卷积计算时需要有一个滑动的kernel，以及每次滑动的步幅stride，其他参数先保持默认。kernel的选择与N-gram相似，我们可以选择[2,3,4]，stride通常也是设置为1的，也就是逐单元滑动，以kernel=2为例，输出通道output_channels=2，计算如下：

经过Conv1d之后，输出的就是$2\times3$的结果，其中2就是output_channels决定的，与其相等，3是根据seq_len以及stride共同决定的，那么预期的结果size就是$N\times2\times3$。假如in_channels=100，out_channels=2,kernel_size=2,batch_size=4,seq_len=10，stride=1那么输入该如何处理？输出又是什么样子呢？程序实现如下：

in_channels = 100
out_channels = 2
kernel_size = 2
batch_size = 4
seq_len = 10
conv1 = torch.nn.Conv1d(in_channels=in_channels, out_channels=out_channels, kernel_size=kernel_size)

# 文本处理形式
input_data = torch.randn(batch_size, seq_len, in_channels)
# conv1d输入形式， (batch_size, channels, seq_len)
input_data = input_data.permute(0, 2, 1)   # torch.Size([4, 100, 10])
print(input_data.size())
conv_out = conv1(input_data)
print(conv_out.size())  # torch.Size([4, 2, 9])

输出结果的形状中4,2都比较好理解，9则是根据如下公式计算出的：
$L_{out} = \left\lfloor\frac{L_{in} + 2 \times \text{padding} - \text{dilation} \times (\text{kernel\_size} - 1) - 1}{\text{stride}} + 1\right\rfloor$
对应的参数带入即可计算出。在本例中padding=0，dilation=1，kernel_size=1,stride=1.