Pytorch卷积基础知识

Question

从pytorch for Convolution here的文档中，我看到函数torch.nn.Conv1d要求用户传递参数，即in_channels和out_channels。我知道它们是指输入通道和输出通道，但是我不确定它们在卷积上下文中的含义。我的猜测是input_channels等效于输入功能，而output_channels等效于输出功能，但是我不确定。

有人可以向我解释吗？非常感谢！

Answer 1

给定一个卷积：

• 长度m
• 超过 N 个输入通道/信号/变量
• 输出 P 个频道/特征/过滤器

你会使用：

nn.Conv1d(in_channels=N, out_channels=P, kernel_size=m)

---

下面 Deep Learning with PyTorch 中的 2d 图像对此进行了说明（其中内核的大小为 3x3xN（其中 N=3 表示 RGB 图像），并且有 5 个这样的内核用于所需的 5 个输出）：

Answer 2

in_Channels表示输入图像中的通道数，而out_channels表示由卷积产生的通道数。对于图像数据，最常见的情况是具有一个通道的灰度图像，具有三个通道（红色，绿色和蓝色）的彩色或黑色图像。 out_channels是个人喜好问题，但有一些重要的注意事项。

• 首先，大量的out_channels允许该层潜在地学习有关输入数据的更有用的功能，尽管这不是硬性规定。
• 第二，您的CNN的大小是网络每一层中in_channels / out_channels的数量和层数的函数。