pytorch中nn.Conv1d的用法详解

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python博客。