在Pytorch中的张量上应用一维卷积

Question

我有一个张量，代表一组一维信号，它们沿着列轴连接在一起。假设我有300个尺寸为64的1D信号。所以[64x300]

我想在GPU上对其应用[0.2 0.2 0.2 0.2 0.2]的平滑卷积/移动平均内核，但是我不确定确切要使用什么API。能给我一个例子吗？

Answer 1

您可以使用常规的torch.nn.Conv1d来完成此操作。

输入

在您的情况下，您有1个频道（1D），其时间步长为300（请refer to documentation，这些值将分别为C_in和{{1} }。

因此，您的输入应该是（您需要L_in，不能被挤压！）：

1

卷积

您需要import torch inputs = torch.randn(64, 1, 300) 且torch.nn.Conv1d等于kernel_size（如元素指示：5）且没有[0.2 0.2 0.2 0.2 0.2]。我假设您的输出必须具有相同的大小（bias），因此300元素必须在开头和结尾进行填充。所有这些都为我们提供了这个模块：

2

该模块的权重（module = torch.nn.Conv1d( in_channels=1, out_channels=1, kernel_size=5, padding=2, bias=False ) 值）可以这样指定：

0.2

module.weight.data = torch.full_like(module.weight.data, 0.2) 适用于任何大小的内核，以防您需要torch.full_like以外的其他大小。

最后将其运行到平均步数，您已完成：

5

GPU

如果您想使用out = module(inputs) ，只需像这样投射GPU和module：

inputs

有关更多信息，请参见CUDA documentation。