Pytorch张量的哪一部分代表通道？
Which part of Pytorch tensor represents channels?
令人惊讶的是，我在互联网上四处寻找后都没有找到这个问题的答案。我对 3d 张量特别感兴趣。通过我自己的实验，我发现当我创建一个张量时：
h=torch.randn(5,12,5)
然后在上面放一个卷积层，定义如下：
conv=torch.nn.Conv1d(12,48,3,padding=1)
输出是一个 (5,48,5) 张量。所以，我假设对于 pytorch 中的 3d 张量，中间的数字代表通道数，我是否正确？
编辑：似乎当运行一个conv2d时，输入维度是张量中的第一个条目，我需要使它成为一个4d张量（1,48,5,5）例如.现在很迷茫...
非常感谢任何帮助！
对于 conv2D，输入应为 (N, C, H, W) 格式。 N是samples/batch_size的个数。 C是渠道。 H 和 W 分别是高度和宽度。
请参阅 https://pytorch.org/docs/stable/nn.html#torch.nn.Conv2d
处的形状文档
对于 conv1D，输入应为 (N,C,L) 请参阅 https://pytorch.org/docs/stable/nn.html#conv1d
上的文档
令人惊讶的是，我在互联网上四处寻找后都没有找到这个问题的答案。我对 3d 张量特别感兴趣。通过我自己的实验，我发现当我创建一个张量时：
h=torch.randn(5,12,5)
然后在上面放一个卷积层，定义如下：
conv=torch.nn.Conv1d(12,48,3,padding=1)
输出是一个 (5,48,5) 张量。所以，我假设对于 pytorch 中的 3d 张量，中间的数字代表通道数，我是否正确？
编辑：似乎当运行一个conv2d时，输入维度是张量中的第一个条目，我需要使它成为一个4d张量（1,48,5,5）例如.现在很迷茫...
非常感谢任何帮助！
对于 conv2D，输入应为 (N, C, H, W) 格式。 N是samples/batch_size的个数。 C是渠道。 H 和 W 分别是高度和宽度。
请参阅 https://pytorch.org/docs/stable/nn.html#torch.nn.Conv2d
处的形状文档对于 conv1D，输入应为 (N,C,L) 请参阅 https://pytorch.org/docs/stable/nn.html#conv1d
上的文档