今天碰上了需要使用Conv1d的场景，但是对于in_channel，out_channel和kernel_size所影响的Conv1d层而进行的操作还是十分的迷惑，因此写下此篇文章记录自己的学习过程。
从公式可以看出，输入到Conv1d中的数据有三个维度，第一个维度N一般是batch_size，第二个维度一般为in_channel，第三个维度为序列的时间维度，在NLP中为词向量大小；输出维度基本相同，但是输出的第二个维度为out_channel。
公式限定了第i个bathc_size中输出的第j个channel。在计算过程中，bias自然不必多讲，求和内的k指遍历所有的in_channel，然后使用对应的权重和指定的输入向量进行卷积操作。
如果懂的人已经可以看懂这条公式了，可是我不懂……所以还是用例子来说明一下
到此这篇conv1d原理（conv1d和conv2d）的文章就介绍到这了,更多相关内容请继续浏览下面的相关 推荐文章，希望大家都能在编程的领域有一番成就！版权声明：
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如若内容造成侵权、违法违规、事实不符，请将相关资料发送至xkadmin@xkablog.com进行投诉反馈，一经查实，立即处理！
转载请注明出处，原文链接：https://www.xkablog.com/cjjbc/24328.html