pytorch 计算ConvTranspose1d输出特征大小方式
作者：明月几时有. 发布时间：2021-08-14 10:16:16
标签：pytorch,ConvTranspose1d,特征
问题：如何经过convTransposed1d输出指定大小的特征？
import torch
from torch import nn
import torch.nn.functional as F
conv1 = nn.Conv1d(1, 2, 3, padding=1)
conv2 = nn.Conv1d(in_channels=2, out_channels=4, kernel_size=3, padding=1)
#转置卷积
dconv1 = nn.ConvTranspose1d(4, 1, kernel_size=3, stride=2, padding=1, output_padding=1)
x = torch.randn(16, 1, 8)
print(x.size())
x1 = conv1(x)
x2 = conv2(x1)
print(x2.size())
x3 = dconv1(x2)
print(x3.size())
'''
torch.Size([16, 1, 8])
torch.Size([16, 4, 8]) #conv2输出特征图大小
torch.Size([16, 1, 16]) #转置卷积输出特征图大小
'''
#转置卷积
dconv1 = nn.ConvTranspose1d(1, 1, kernel_size=3, stride=3, padding=1, output_padding=1)
x = torch.randn(16, 1, 8)
print(x.size()) #torch.Size([16, 1, 23])
x3 = dconv1(x)
print(x3.size()) #torch.Size([16, 1, 23])
下面两图为演示conv1d，在padding和不padding下的输出特征图大小
不带padding
带padding
补充知识：判断pytorch是否支持GPU加速
如下所示：
print torch.cuda.is_available()
来源：https://blog.csdn.net/weixin_35576881/article/details/90075133
0
投稿猜你喜欢
算法简介鸡群算法，缩写为CSO(Chicken Swarm Optimization)，尽管具备所谓仿生学的背景，但实质上是粒子群算法的一个- 1，WITH TEMPLET意思是，生成的页面架构将采用某个已设定的模板，在此之前我的一篇教程中介绍过，希望各位在看本教程之前对ASP采用模
- drop方法有一个可选参数inplace，表明可对原数组作出修改并返回一个新数组。不管参数默认为False还是设置为True，原数组的内存值
- 项目中想使用以前的代码，或者什么样的需求致使你需要导入外部的包如果是web 下，比如说django ，那么你新建一个app，把你需要导入的说
- 【名称】Abs【类别】数学函数【原形】Abs(number)【参数】必选的。Number参数是一个任何有效的数值型表达式【返回值】同numb
- 1 自动微分我们在《数值分析》课程中已经学过许多经典的数值微分方法。许多经典的数值微分算法非常快，因为它们只需要计算差商。然而，他们的主要缺
- MySQL采用了基于开销的优化器，以确定处理查询的最解方式。在很多情况下，MySQL能够计算最佳的可能查询计划，但在某些情况下，MySQL没
- 1.核心代码使用py2neo连接neo4j的方法：from py2neo import Graphgraph = Graph("h
- 最近在老家找工作，无奈老家工作真心太少，也没什么面试机会，不过之前面试一家公司，提了一个有意思的需求，检测河面没有有什么船只之类的物体，我当
- 先设定一个关系模型如下：from django.db import modelsclass Blog(models.Model): name
- 1提取 PDF 内容# pip install PyPDF2 安装 PyPDF2import PyPDF2from PyPDF2
- 一、使用xlrd对excel进行数据读取excel表格示例：安装xlrd库pip install xlrd导入xlrd库import xlr
- 本文实例讲述了Python装饰器用法与知识点。分享给大家供大家参考，具体如下：（1）装饰器含参数，被装饰函数不含（含）参数实例代码如下：im
- Python绘制双轴组合的关键在plt库的twinx()函数，具体流程：1.先建立坐标系，然后绘制主坐标轴上的图表；2.再调用plt.twi
- 本文实例讲述了JS+HTML5 canvas绘制验证码。分享给大家供大家参考，具体如下：css样式：<style>body{ &
- 以下的文章主要介绍的是MySQL 查询缓存的实际应用代码以及查看MySQL 查询缓存的大小 ，碎片整理，清除缓存以及监视MySQL 查询缓存
- 我开发过几个采集程序，也研究过很多采集程序代码，所以对采集程序的原理还算是稍微有些了解。先说一下采集原理：采集程序的主要步骤如下： 一、获取
- 首先，我们用webpy写一个简单的网站，监听8080端口，返回“Hello, EverET.org”的页面。然后我们使用我们的forward
- Python中的[1:]意思是去掉列表中第一个元素（下标为0），去后面的元素进行操作，以一个示例题为例，用在遍历中统计个数：题：读入N名学生
- 我为一大型网站做了一个论坛，也顺利通过了测试。由于是第一次做这方面的数据库，我不知道比其它网站上数据库差距有多大，是不是够优化。能推荐或介绍
