PyTorch torch.nn.Conv1d-Funktion
PyTorch torch.nn Referenzhandbuch
torch.nn.Conv1dIst ein eindimensionales Faltungsmodul in PyTorch.
Wird hauptsächlich zur Verarbeitung von Sequenzdaten verwendet, wie z. B. Text-, Audio- und Zeitreihensignale.
Funktionsdefinition
torch.nn.Conv1d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True)
Parameterbeschreibung
in_channels: Anzahl der Eingangskanäleout_channels: Anzahl der Ausgangskanälekernel_size: Kernelgröße
Anwendungsbeispiele
Beispiel 1: Grundlegende Verwendung
Beispiel
import torch
import torch.nn as nn
# 1D-Faltung: Eingangskanäle=3, Ausgangskanäle=64, Kernelgröße=3
conv1d = nn.Conv1d(in_channels=3, out_channels=64, kernel_size=3, padding=1)
# Eingabe: Batch=4, Kanäle=3, Sequenzlänge=100
x = torch.randn(4, 3, 100)
output = conv1d(x)
print("Eingabeform:", x.shape)
print("Ausgabeform:", output.shape)
import torch.nn as nn
# 1D-Faltung: Eingangskanäle=3, Ausgangskanäle=64, Kernelgröße=3
conv1d = nn.Conv1d(in_channels=3, out_channels=64, kernel_size=3, padding=1)
# Eingabe: Batch=4, Kanäle=3, Sequenzlänge=100
x = torch.randn(4, 3, 100)
output = conv1d(x)
print("Eingabeform:", x.shape)
print("Ausgabeform:", output.shape)
Beispiel 2: Textklassifikation
Beispiel
import torch
import torch.nn as nn
class TextCNN(nn.Module):
def __init__(self, vocab_size, embed_dim, num_classes):
super(TextCNN, self).__init__()
# Embedding-Schicht: (batch, seq) -> (batch, embed, seq)
self.embedding = nn.Embedding(vocab_size, embed_dim)
# Mehrere Faltungskerne unterschiedlicher Größe
self.convs = nn.ModuleList([
nn.Conv1d(embed_dim, 128, kernel_size=k)
for k in [2, 3, 4, 5]
])
self.fc = nn.Linear(128 * 4, num_classes)
def forward(self, x):
# x: (batch, seq)
x = self.embedding(x) # (batch, seq, embed)
x = x.permute(0, 2, 1) # (batch, embed, seq)
# Faltung + ReLU + GlobalMaxPool
pooled = []
for conv in self.convs:
c = conv(x) # (batch, 128, seq')
c = nn.functional.relu(c)
c = c.max(dim=2)[0] # Globales Max-Pooling
pooled.append(c)
x = torch.cat(pooled, dim=1)
return self.fc(x)
# Test
model = TextCNN(vocab_size=10000, embed_dim=128, num_classes=2)
x = torch.randint(0, 10000, (4, 50)) # Batch=4, Sequenz=50
output = model(x)
print("Eingabeform:", x.shape)
print("Ausgabeform:", output.shape)
import torch.nn as nn
class TextCNN(nn.Module):
def __init__(self, vocab_size, embed_dim, num_classes):
super(TextCNN, self).__init__()
# Embedding-Schicht: (batch, seq) -> (batch, embed, seq)
self.embedding = nn.Embedding(vocab_size, embed_dim)
# Mehrere Faltungskerne unterschiedlicher Größe
self.convs = nn.ModuleList([
nn.Conv1d(embed_dim, 128, kernel_size=k)
for k in [2, 3, 4, 5]
])
self.fc = nn.Linear(128 * 4, num_classes)
def forward(self, x):
# x: (batch, seq)
x = self.embedding(x) # (batch, seq, embed)
x = x.permute(0, 2, 1) # (batch, embed, seq)
# Faltung + ReLU + GlobalMaxPool
pooled = []
for conv in self.convs:
c = conv(x) # (batch, 128, seq')
c = nn.functional.relu(c)
c = c.max(dim=2)[0] # Globales Max-Pooling
pooled.append(c)
x = torch.cat(pooled, dim=1)
return self.fc(x)
# Test
model = TextCNN(vocab_size=10000, embed_dim=128, num_classes=2)
x = torch.randint(0, 10000, (4, 50)) # Batch=4, Sequenz=50
output = model(x)
print("Eingabeform:", x.shape)
print("Ausgabeform:", output.shape)
Beispiel 3: Audioverarbeitung
Beispiel
import torch
import torch.nn as nn
# Audio-Merkmalsextraktion
conv_audio = nn.Conv1d(in_channels=1, out_channels=32, kernel_size=5, stride=2)
# Einkanal-Audio: Batch=4, Kanäle=1, Abtastpunkte=16000
audio = torch.randn(4, 1, 16000)
output = conv_audio(audio)
print("Eingabeform:", audio.shape)
print("Ausgabeform:", output.shape)
print("Ausgabelänge:", output.shape[2])
import torch.nn as nn
# Audio-Merkmalsextraktion
conv_audio = nn.Conv1d(in_channels=1, out_channels=32, kernel_size=5, stride=2)
# Einkanal-Audio: Batch=4, Kanäle=1, Abtastpunkte=16000
audio = torch.randn(4, 1, 16000)
output = conv_audio(audio)
print("Eingabeform:", audio.shape)
print("Ausgabeform:", output.shape)
print("Ausgabelänge:", output.shape[2])
Anwendungsfälle
- Textklassifikation: TextCNN
- Audioverarbeitung: Sprachmerkmalsextraktion
- Zeitreihen: Signalfilterung
Hinweis: Die Form des Eingabe-Tensors ist (Batch, Kanäle, Länge).
Andere Erweiterungen