pytorch - 在 Pytorch 中对张量应用一维卷积

Question

我有一个张量，它表示一组一维信号，这些信号沿列轴连接。假设我有 300 个大小为 64 的一维信号。所以 [64x300]

我想在 GPU 上应用平滑卷积/移动平均内核 [0.2 0.2 0.2 0.2 0.2]，但我不确定具体的 API 是什么。可以给我举个例子吗？

Answer 1

您可以使用常规的 torch.nn.Conv1d 来执行此操作。

输入

在您的情况下，您有 1 channel (1D)，具有 300 时间步长(请 refer to documentation 这些值将适本地 C_in 和 L_in)。

因此，对于您的输入来说，它是(您需要 1 ，它无法被挤压!):

import torch

inputs = torch.randn(64, 1, 300)

卷积

您需要torch.nn.Conv1d，kernel_size等于5(如您的元素所示:[0.2 0.2 0.2 0.2 0.2])并且没有偏差。我假设您的输出必须具有相同的大小 (300)，因此必须在开头和结尾填充 2 元素。所有这些为我们提供了这个模块:

module = torch.nn.Conv1d(
    in_channels=1, out_channels=1, kernel_size=5, padding=2, bias=False
)

该模块的权重(0.2值)可以这样指定:

module.weight.data = torch.full_like(module.weight.data, 0.2)

torch.full_like 适用于任何大小的内核，以防您需要 5 之外的其他大小。

最后运行到平均步数即可完成:

out = module(inputs)

GPU

如果您想使用GPU，只需像这样转换您的模块和输入:

inputs = inputs.cuda()
module = module.cuda()

参见CUDA documentation了解更多信息。