Функция F.conv1d

Функция F.conv1d из модуля torch.nn.functional выполняет одномерную свертку входного тензора с заданными весами свертки (фильтрами). Она широко используется в обработке сигналов, временных рядов и текстовых данных. Функция принимает входной тензор, тензор весов и смещение (необязательно), а также параметры шага, паддинга и расширения (дилатации).

Синтаксис

torch.nn.functional.conv1d(
	input,
	weight,
	bias=None,
	stride=1,
	padding=0,
	dilation=1,
	groups=1
)

Параметры

Функция принимает следующие параметры:

input - входной тензор формы (N, C_in, L), где N - размер батча, C_in - количество входных каналов, L - длина сигнала.
weight - тензор весов формы (C_out, C_in//groups, kernel_size), где C_out - количество выходных каналов, kernel_size - размер ядра свертки.
bias - необязательное смещение формы (C_out,) (по умолчанию None).
stride - шаг свертки (по умолчанию 1).
padding - паддинг (дополнение нулями) для сохранения размерности (по умолчанию 0).
dilation - расстояние между элементами ядра (по умолчанию 1).
groups - количество групп для групповой свертки (по умолчанию 1).

Пример

Выполним простую одномерную свертку с ядром размера 3 на входном сигнале длины 10:

import torch
import torch.nn.functional as F

# Входной сигнал: батч 1, 1 канал, длина 10
input = torch.tensor([
	[1.0, 2.0, 3.0, 4.0, 5.0, 6.0, 7.0, 8.0, 9.0, 10.0]
]).unsqueeze(0)

# Ядро свертки: 1 выходной канал, 1 входной канал, размер 3
weight = torch.tensor([
	[1.0, 0.0, -1.0]
]).unsqueeze(0).unsqueeze(0)

res = F.conv1d(input, weight)
print(res)

Результат выполнения кода:

tensor([[[-2., -2., -2., -2., -2., -2., -2., -2.]]])

Пример

Используем свертку с шагом 2 и паддингом 1 для сохранения размерности:

import torch
import torch.nn.functional as F

torch.manual_seed(0)

input = torch.randn(1, 3, 10)
weight = torch.randn(5, 3, 4)
bias = torch.randn(5)

res = F.conv1d(
	input,
	weight,
	bias=bias,
	stride=2,
	padding=1
)
print(res.shape)

Результат выполнения кода:

torch.Size([1, 5, 5])

Пример

Применим свертку с расширением (дилатацией) для увеличения рецептивного поля без увеличения размера ядра:

import torch
import torch.nn.functional as F

input = torch.ones(1, 1, 10)
weight = torch.ones(1, 1, 3)

res = F.conv1d(
	input,
	weight,
	dilation=2
)
print(res)

Результат выполнения кода:

tensor([[[3., 3., 3., 3., 3., 3.]]])

Смотрите также

функцию F.conv2d,
которая выполняет двумерную свертку для изображений
функцию F.conv3d,
которая выполняет трехмерную свертку для объемных данных
функцию F.conv_transpose2d,
которая выполняет операцию, обратную свертке (транспонированная свертка)
функцию F.pad,
которая добавляет паддинг к тензору перед сверткой