在 Pytorch 中计算 conv1d 层的形状答案

【问题标题】：Calculating shape of conv1d layer in Pytorch在 Pytorch 中计算 conv1d 层的形状
【发布时间】：2023-04-04 13:14:01
【问题描述】：

我们如何在 PyTorch 中计算 conv1d 层的形状。在 PyTorch 中是否有任何命令可以计算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)```

【问题讨论】：

标签： pytorch size

【解决方案1】：

输出大小可以按照文档nn.Conv1d - Shape：

批量大小保持不变，并且您已经知道通道数，因为您在创建卷积时指定了它们（本例中为depth_2）。

只需要计算长度，您可以使用类似于上述公式的简单函数来计算：

def calculate_output_length(length_in, kernel_size, stride=1, padding=0, dilation=1):
    return (length_in + 2 * padding - dilation * (kernel_size - 1) - 1) // stride + 1

指定的默认值也是nn.Conv1d的默认值，因此您只需要指定您还指定的内容即可创建卷积。它使用整数除法//，因为分子可能不能被stride 整除，在这种情况下，它只会向下舍入（由仅在底部闭合的括号表示）。

同样的公式也适用于nn.MaxPool1d，但请记住，如果未指定stride，它会自动设置stride = kernel_size。

【讨论】：

感谢您的回复。在我的情况下，这个公式中的 Lin 应该是 depth_1？我对吗？。因为在 conv1d(input,output,kernel_size,stride)
不，这些是通道，而不是长度，所以 depth_1 是 C_in 和 depth_2 是 C_out。卷积与长度无关，这使得使用不同长度的输入成为可能。这取决于您提供给模型的输入，其大小为 [batch_size, in_channels, length]。