pytorch中一维卷积，二维卷积，三维卷积，层次特征注意力 - 码农知识堂

pytorch中一维卷积，二维卷积，三维卷积，层次特征注意力
一维卷积

一维卷积操作常用作文本数据或者序列数据的处理。这里以文本数据为例进行讲解。

下图左边是一个文本矩阵，是将这句话‘I like this movie very much!’转换为计算机可以处理的语言。对于宽度，可以认为是词向量的维度，高度可以表示为这个句子的最大长度，从这里可以明白卷积核必须只在高度上进行移动，因为在宽度上移动没有什么含义，在高度上进行卷积，可以判别每个单词之间的联系。然后继续看下图，左边生成了6个卷积核，每个卷积核的高度上的大小分别为2，3，4，这里也可以进一步看出每一个卷积核的宽度都等于词向量的维度。经过1维卷积之后得到了6个特征图，然后对每个特征图进行1维最大池化
```
import torch
from torch import nn
 
#卷积核的输入维度代表着词向量的维度，输入维度代表有多少个卷积核，kernel_size代表一次处理几个单词
conv1 = nn.Conv1d(in_channels=256, out_channels=100, kernel_size=3,padding=1)
#生成三维张量，第一个维度代表的是批大小，第二个维度代表句子的长度，第三个维度代表词向量的维度
input = to
```
相关阅读:
姓名缘分查询易语言代码
 面试：抽象类和接口
 【数据挖掘】2022年京东算法工程师笔试题（23届）
重新定义媒体展示形式，头盔屏首现2023重庆摩展
 xilinx 除法ip核（divider）不同模式结果和资源对比（VHDL&ISE）
MyBatis
浅谈高速公路服务区分布式光伏并网发电
 CompletableFuture异步编排（两任务组合——其中一个任务执行）
Vue企业微信扫码登录
 Spring Boot整合Zookeeper实现分布式锁
原文地址：https://blog.csdn.net/qq_40107571/article/details/127566456