详解pytorch CNN操作

Posted 2023-03-20

参考技术A

一维卷积主要用作降维或者升维。以下所有例子都以语音/NLP的场景讲述，输入的矩阵为 batch x T x d 。T为一个batch中语音的最长时间（短的语音会加padding），d为特征的维度。一维卷积的作用是对特征进行降维/升维。

从结果可以发现，我只把最后的维度从256变成了100。一维卷积的卷积核实际上是 [in_channels , kernel_size]

一维卷积是只在某一个维度上操作，而二维卷积是在两个维度上操作。
一维卷积的输入是三维的，而二维卷积的输入是四维的。

通过二维卷积操作，可以将时间长度减少了4倍，特征维度从320映射到了512

输出维度的计算方法：
输入的矩阵: T x d
Filter: F x F
步长: S x S
padding: P x P
则输出的矩阵大小为 ((T-F+2P)/S+1) x ((d-F+2P)/S)+1