输入的数据维为B x S x T
一维卷积神经网络在维度S上进行卷积
如上所述,设置一维卷积网络输入信道为16维,输出信道为33维,卷积核心大小为3,步长为2
# in _ channels 336016 # out _ channels 336033 # kernel _ size :3 m=nn.con v1d (16,33,3,stride=2)输入=to out
一维卷积后的输出维度为20 x 33 x 24
第二个维度将从16变为33。 一维卷积输入通道为16,因此对应于输入的第二个维,一维卷积输出为33,并且对应于输出的第二个维
最后一个维度从50变更为24,如果将参数代入公式[(n2p-f )/s1 ) ],则((50-3 )/21 )=24
而全连接神经网络对维度T进行卷积
使用与上述相同的输入维,将全连接神经网络的输入维设为input的最后的维50,将输出维设为33
m1=nn.linear (50,33 ) output1=m1 ) input ) #shapeofoutput1is ) [ 20,16,33 ] (print ) output1.shape是所有连接的尼
也就是说,全连接神经网络只在输入的最后一个维度上进行卷积