在Pytorch中，dilation = 1等同于没有dilation的标准卷积。
当dilation为1时，卷积核中的每个元素都紧挨着；
而当dilation为2时，卷积核中的每个元素之间都会间隔一个元素。
通过调整dilation的大小，可以控制卷积操作提取特征的范围和感受野的大小，从而影响网络的性能和特征提取能力。
输出结果：
首先，让我们来理解一下这个1D卷积操作的参数和输入。
卷积层 nn.Conv1d(16, 33, 3, stride=2) 的参数解释如下：
输入通道数：16
输出通道数：33
卷积核大小：3
步长（stride）：2
输入张量 input 的形状是 (20, 16, 50)，这表示有20个样本，每个样本有16个通道，每个通道的长度是50。
卷积操作后，输出张量的形状可以通过以下方式计算：
输出长度 = (输入长度 - 卷积核大小) // 步长 + 1
在这里，输入长度是50，卷积核大小是3，步长是2，所以输出长度 = (50 - 3) // 2 + 1 = 24
因此，输出张量的形状将是 (样本数, 输出通道数, 输出长度)，即 (20, 33, 24)。
结合上图的公式，dilation默认是1
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/26838.html