在这种情况下如何使用 conv2d

Question

我想创建一个 NN 层：

• 对于大小为 100 的输入，假设每 5 个样本创建“块”
• 该层应该为每个块计算比方说 3 个值
• 所以这一层的 input/output 大小应该是：100 -> 20*3
• 每个大小为 5 的块（并且只有这个块）完全连接到大小为 3 的结果块

如果我理解正确，我可以使用 Conv2d 来解决这个问题。但是我不确定如何正确选择conv2d参数。

Conv2d 适合这个任务吗？如果是这样，正确的参数是什么？是吗

• 输入通道数 = 100
• 输出通道数=20*3
• 内核 = (5,1) ？

Answer 1

您可以使用 Conv2D 或 Conv1D。 使用形状像 batch x 100 x n_features 的数据，您可以在此设置中使用 Conv1D：

Input channels:  n_features
Output channels: 3 * output_features
kernel:          5
strides:         5

因此，内核应用于 5 个样本并生成 3 个输出。 n_features 和 output_features 的值可以是您喜欢的任何值，也可以是 1。将步幅设置为 5 会导致非重叠卷积，这样每个块都对一个输出有独特的贡献。