machine-learning - conv3d pytorch中的内核深度=1是什么意思

Question

我想了解 PyTorch 中 conv2d 和 conv3d 之间的区别。

有什么区别：

conv3d(in, out, kernel_size(1,3,3))

和

conv2d(in,out,kernel_size(3,3))

我检查了官方文档，但我不太明白两者之间的区别。在这种情况下，conv3d 是否应该与 conv2d 相同，因为深度为 1？任何帮助，将不胜感激。

标签： machine-learningdeep-learningcomputer-visionpytorch

Answer 1

在某些特定情况下，它们可以产生相同的结果。

举conv1d个例子：在 conv1d 中使用 (1, n)，当内核到达行尾时conv2d，您将通过一维输入（即w>0and ），其结果已准备好。h=1但是在 con2d 上，它是您正在处理的 2D 输入（即w>0和h>0），它将转到下一行，直到到达底线。所以它的结果也是一个二维对象。

层增加了输入/输出的深度，您可以拥有多个in层，这将决定每个内核的层数，以及层数，out内核的数量。

如果我的观察是正确的，我们可以说d*h*w通过conv3d( 1x3x3) 内核的d单层h*w张量与通过conv2d带有d, -d层内核的 - 层张量相同3x3。输出形状将是(N, 1, d, h, w)vs (N, d, h, w)（在d后者中用作通道数）。

在某些情况下，您可以获得相同的结果（操作）。但是，当向您的（层可以作为第四维）添加深度时conv3d，您将无法将其与 a 相匹配，conv2d顾名思义！