Pytorch中conv1d层形状的计算_Pytorch_Size

Pytorch中conv1d层形状的计算

pytorch

Pytorch中conv1d层形状的计算,pytorch,size,Pytorch,Size,如何计算PyTorch中conv1d层的形状。是否有任何命令来计算PyTorch中这些层的大小和形状 nn.Conv1d(depth_1, depth_2, kernel_size=kernel_size_2, stride=stride_size), nn.ReLU(), nn.MaxPool1d(kernel_size=2, stride=stride_size), nn.Dropout(0.25

如何计算PyTorch中conv1d层的形状。是否有任何命令来计算PyTorch中这些层的大小和形状

            nn.Conv1d(depth_1, depth_2, kernel_size=kernel_size_2, stride=stride_size),
            nn.ReLU(),
            nn.MaxPool1d(kernel_size=2, stride=stride_size),
            nn.Dropout(0.25)```

输出大小可按文档所示进行计算：

批大小保持不变，并且您已经知道通道数，因为您在创建卷积时指定了通道数（

depth_2

）

只需计算长度，您可以使用类似于上述公式的简单函数进行计算：

def计算输出长度（长度英寸，内核大小，步幅=1，填充=0，膨胀=1）：
return（length_in+2*填充-膨胀*（kernel_size-1）-1）//步长+1

指定的默认值也是

nn.Conv1d

的默认值，因此您只需指定创建卷积所需的默认值。它使用整数除法

，因为分子可能不能被

步数

整除，在这种情况下，它只会向下舍入（由括号表示，括号仅在底部闭合）

同样的公式也适用于，但请记住，如果未指定

stride

，它会自动设置

stride=kernel\u size

。