pytorch中nn.Conv1d的用法详解
(编辑：jimmy 日期: 2024/11/20 浏览：3 次 )
先粘贴一段official guide：nn.conv1d官方
我一开始被in_channels、out_channels卡住了很久，结果发现就和conv2d是一毛一样的。话不多说，先粘代码（菜鸡的自我修养）
class CNN1d(nn.Module):
def __init__(self):
super(CNN1d,self).__init__()
self.layer1 = nn.Sequential(
nn.Conv1d(1,100,2),
nn.BatchNorm1d(100),
nn.ReLU(),
nn.MaxPool1d(8))
self.layer2 = nn.Sequential(
nn.Conv1d(100,50,2),
nn.BatchNorm1d(50),
nn.ReLU(),
nn.MaxPool1d(8))
self.fc = nn.Linear(300,6)
def forward(self,x):
#input.shape:(16,1,425)
out = self.layer1(x)
out = out.view(out.size(0),-1)
out = self.fc(out)
return out
输入的数据格式是（batch_size,word_vector,sequence_length），我设置的batch=16，特征工程样本是1x425，套用该格式就应该是（16，1，425）。对应nn.Conv1d的in_channels=1，out_channels就是你自己设置的，我选择的是100。
因为我做的是分类场景，所以做完两次一维卷积后还要加上一个线性层。
以上这篇pytorch中nn.Conv1d的用法详解就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。
下一篇：Pytorch之contiguous的用法