nn.Conv1d和nn.Conv2d理解

参考链接：

https://blog.csdn.net/sunny_xsc1994/article/details/82969867

https://www.cnblogs.com/lovephysics/p/7220111.html

这里只做理解，不放官方文档。

1.nn.Conv1d
感觉一张图就可以理解，不得不说这个图真的太好了。图片来源：https://zhuanlan.zhihu.com/p/29201491

所谓一维卷积，就是卷积时只看纵列。初始：7乘5 卷积核：三种大小，分别为2*5、3*5、4*5，每种两个。重点是卷积时，只在纵列一个方向上滑动。这里stride为1,所以输出（n+2p-f）/s+1，padding为0，所以输出分别是{（7-2）/1 +1=6乘（5-5）/1+1=1}，（5*1），4*1。经过一个卷积核大小为4的max_pooling，变成1个值。最后获得6个值，进行拼接，在经过一个全连接层，输出2个类别的概率。

 

2.nn.Conv2d
官方说明，给定一个4维的input和filter tensor，计算一个二维卷积。所谓二维计算就是横向和纵向均卷积。

举个例子：例子来源：https://www.cnblogs.com/lovephysics/p/7220111.html

输入和核如下，没有padding，stride=1

 

输出为：将卷积核对应在input上，第一行对应算完，再算第二行，不清楚的，可以动手写一下。

 

14 = 4 * 1 + 3 * 0 + 1 * 1 + 2 * 2 + 1 * 1 + 0 * 0 + 1 * 0 + 2 * 0 + 4 * 1
6 = 3 * 1 + 1 * 0 + 0 * 1 + 1 * 2 + 0 * 1 + 1 * 0 + 2 * 0 + 4 * 0 + 1 * 1
6 = 2 * 1 + 1 * 0 + 0 * 1 + 1 * 2 + 2 * 1 + 4 * 0 + 3 * 0 + 1 * 0 + 0 * 1
12 = 1 * 1 + 0 * 0 + 1 * 1 + 2 * 2 + 4 * 1 + 1 * 0 + 1 * 0 + 0 * 0 + 2 * 1
当然这只是我的个人理解，如果有问题，可以下方留言，共同讨论。
————————————————
版权声明：本文为CSDN博主「Elva_23」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/Elva_23/article/details/83826587