Conv3d

class torch.nn.Conv3d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True, padding_mode='zeros', device=None, dtype=None) [source]

Выполняет 3D-свёртку входного сигнала, состоящего из нескольких входных плоскостей.

В простейшем случае выходное значение слоя с размером входных данных $(N, C_{in}, D, H, W)$ и выходных данных $(N, C_{out}, D_{out}, H_{out}, W_{out})$ можно точно описать следующим образом:

$$out(N_i, C_{out_j}) = bias(C_{out_j}) + \sum_{k = 0}^{C_{in} - 1} weight(C_{out_j}, k) \star input(N_i, k)$$

где $\star$ — оператор допустимой 3D- взаимной корреляции

Этот модуль поддерживает TensorFloat32.

На некоторых устройствах ROCm при использовании входных данных float16 этот модуль будет использовать другую точность при вычислении градиентов.

• stride управляет шагом взаимной корреляции.
• padding определяет величину дополнения, применяемого к входным данным. Это может быть строка {‘valid’, ‘same’} или кортеж целых чисел, задающий величину неявного дополнения, применяемого с обеих сторон.
• dilation задаёт расстояние между точками ядра; этот метод также известен как алгоритм à trous. Его сложнее описать, но по этой ссылке можно посмотреть наглядную визуализацию того, что делает dilation.

• groups управляет связями между входами и выходами. in_channels и out_channels должны делиться на groups без остатка. Например:

  • При groups=1 все входные данные свёртываются со всеми выходными.
  • При groups=2 операция эквивалентна двум расположенным рядом слоям свёртки: каждый получает половину входных каналов и формирует половину выходных каналов, после чего результаты объединяются конкатенацией.
  • При groups= in_channels каждый входной канал свёртывается с собственным набором фильтров (размера $\frac{\text{out\_channels}}{\text{in\_channels}}$).

Параметры kernel_size, stride, padding, dilation могут иметь одно из следующих значений:

• одно значение int — в этом случае одно и то же значение используется для глубины, высоты и ширины
• tuple из трёх целых чисел — в этом случае первое int используется для глубины, второе int — для высоты, а третье int — для ширины

Примечание

Когда groups == in_channels и out_channels == K * in_channels, где K — положительное целое число, эту операцию также называют «поточечной свёрткой».

Иными словами, для входных данных размера $(N, C_{in}, L_{in})$ поточечную свёртку с множителем K можно выполнить с аргументами $(C_\text{in}=C_\text{in}, C_\text{out}=C_\text{in} \times \text{K}, ..., \text{groups}=C_\text{in})$.

Примечание

В некоторых случаях при передаче тензоров на устройстве CUDA с использованием CuDNN этот оператор может выбирать недетерминированный алгоритм для повышения производительности. Если это нежелательно, можно попытаться сделать операцию детерминированной (возможно, за счёт снижения производительности), установив torch.backends.cudnn.deterministic = True. Дополнительные сведения см. в разделе Воспроизводимость.

Примечание

padding='valid' означает отсутствие дополнения. padding='same' дополняет входные данные так, чтобы форма выходных данных совпадала с формой входных. Однако в этом режиме поддерживается только значение шага 1.

Примечание

Этот модуль поддерживает комплексные типы данных, например complex32, complex64, complex128.

Параметры:

• in_channels (int) – Число каналов во входном изображении
• out_channels (int) – Число каналов, создаваемых свёрткой
• kernel_size (int или tuple) – Размер ядра свёртки
• stride (int или tuple, необязательный) – Шаг свёртки. Значение по умолчанию: 1
• padding (int, tuple или str, необязательный) – Дополнение, добавляемое со всех шести сторон входных данных. Значение по умолчанию: 0
• dilation (int или tuple, необязательный) – Расстояние между элементами ядра. Значение по умолчанию: 1
• groups (int, необязательный) – Число групп соединений между входными и выходными каналами. Значение по умолчанию: 1
• bias (bool, необязательный) – Если True, к выходным данным добавляется обучаемое смещение. Значение по умолчанию: True
• padding_mode (str, необязательный) – 'zeros', 'reflect', 'replicate' или 'circular'. Значение по умолчанию: 'zeros'

Форма:

• Входные данные: $(N, C_{in}, D_{in}, H_{in}, W_{in})$ или $(C_{in}, D_{in}, H_{in}, W_{in})$

• Выходные данные: $(N, C_{out}, D_{out}, H_{out}, W_{out})$ или $(C_{out}, D_{out}, H_{out}, W_{out})$, где

  $$D_{out} = \left\lfloor\frac{D_{in} + 2 \times \text{padding}[0] - \text{dilation}[0] \times (\text{kernel\_size}[0] - 1) - 1}{\text{stride}[0]} + 1\right\rfloor$$
  $$H_{out} = \left\lfloor\frac{H_{in} + 2 \times \text{padding}[1] - \text{dilation}[1] \times (\text{kernel\_size}[1] - 1) - 1}{\text{stride}[1]} + 1\right\rfloor$$
  $$W_{out} = \left\lfloor\frac{W_{in} + 2 \times \text{padding}[2] - \text{dilation}[2] \times (\text{kernel\_size}[2] - 1) - 1}{\text{stride}[2]} + 1\right\rfloor$$

Переменные:

• weight (Tensor) – обучаемые веса модуля формы $(\text{out\_channels}, \frac{\text{in\_channels}}{\text{groups}},$ $\text{kernel\_size[0]}, \text{kernel\_size[1]}, \text{kernel\_size[2]})$. Значения этих весов выбираются из распределения $\mathcal{U}(-\sqrt{k}, \sqrt{k})$, где $k = \frac{groups}{C_\text{in} * \prod_{i=0}^{2}\text{kernel\_size}[i]}$
• bias (Tensor) – обучаемое смещение модуля формы (out_channels). Если bias равно True, значения этих весов выбираются из распределения $\mathcal{U}(-\sqrt{k}, \sqrt{k})$, где $k = \frac{groups}{C_\text{in} * \prod_{i=0}^{2}\text{kernel\_size}[i]}$

Примеры:

>>> # With square kernels and equal stride
>>> m = nn.Conv3d(16, 33, 3, stride=2)
>>> # non-square kernels and unequal stride and with padding
>>> m = nn.Conv3d(16, 33, (3, 5, 2), stride=(2, 1, 1), padding=(4, 2, 0))
>>> input = torch.randn(20, 16, 10, 50, 100)
>>> output = m(input)