Pytorch 之torch.nn初探第4关：卷积--Convolution Layers

经过前几节的的学习，想必大家对torch.nn有了初步的了解。接下来，向大家介绍神经网络中的一种特殊的定义——卷积层！

任务描述

本关任务：

本关提供了一个Variable 类型的变量input，按照要求创建一 Conv1d变量conv，对input应用卷积操作并赋值给变量 output，并输出output 的大小。

相关知识

卷积的本质就是用卷积核的参数来提取原始数据的特征，通过矩阵点乘的运算，提取出和卷积核特征一致的值。

卷积层是用一个固定大小的矩形块去席卷原始数据，将原始数据分成一个个和卷积核大小相同的小块，然后将这些小块和卷积核相乘输出一个卷积值（注意这里是一个单独的值，不再是矩阵了）。

这里我们拿最常用的 conv1d举例说明卷积过程的计算。

conv1d

基本形式：

torch.nn.Conv1d (in_channels， out_channels， kernel_size， stride=1， padding=0， dilation=1， groups=1， bias=True)

用途：对输入样本应用一维卷积核

输入大小为(N，Cin​，L)

输出(N，Cout​，Lout​)

out(Ni​，Coutj​)=bias(Coutj​)+sum0lekleCin−1​weight(Coutj​