1D卷积详解

• 1D卷积类的调用参数解释

  class torch.nn.Conv1d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True)
  -in_channels(int) – 输入通道数量。在文本分类中，即为词向量的维度
  -out_channels(int) – 经过卷积生成的通道数量。有多少个out_channels，就需要多少个1维卷积
  -kernel_size(int or tuple) - 卷积核的尺寸，卷积核的大小为(k,)，第二个维度是由in_channels来决定的，所以实际上卷积大小为kernel_size*in_channels
  -stride(int or tuple, optional) - 卷积步长
  -padding (int or tuple, optional)- 输入的每一条边补充0的层数
  -dilation(int or tuple, optional) – 卷积核元素之间的间距（空洞卷积）
  -groups(int, optional) – 从输入通道到输出通道的阻塞连接数
  -bias(bool, optional) - 偏置量选择，bias=True为添加

• 举例代码
  这里32为batch_size，64为句子最大长度，512为词向量。输入一维卷积的时候，需要将32x64x512变换为32x512x64，因为一维卷积是在最后维度上扫的，最后out的大小即为：32x128x（64-2+1）=32x128x63

  conv1 = nn.Conv1d(in_channels=512，out_channels=128,kernel_size=2)
  input = torch.randn(32,64,512)
  # 对矩阵进行转置：batch_size x text_len x embedding_size -> batch_size x embedding_size x text_len
  input = input.permute(0,2,1)
  out = conv1(input)
  #print(out)
  #print(out.size())