前言
需要用到3DCNN，於是找到了torch.nn.conv3d，網上太多人寫參數解讀，但沒什麼人能講得清楚的，於是我邊理解邊寫代碼驗證，得到了我想要的結果。
實例
用3DCNN的開篇之作來當作例子解讀一下這個函數的參數，首先來看一下它的網絡結構圖，網上有很多人解讀這篇文章，我就不細說了，這個網絡中全是重複的3D卷積 → 池化操作，池化的操作和2D卷積沒有區別，所以就講3D卷積，拿下圖紅框中的來舉例。
image.png
- 輸入形狀是（7，60，40），7表示輸入的圖像幀數，60和40分別是寬和高。
- 過濾器形狀是（7，7，3），3表示每次過濾器處理的圖像幀數，7和7分別是卷積核寬和高。
- 輸出形狀是（5，54，34），5表示輸出的圖像幀數，54和34分別是寬和高。
注意：
1 這裏的圖像幀數並不是通道數，圖像幀數就是圖片數，而每張圖片（RGB圖像）又是有3個通道的。
2 如果對卷積核和過濾器的定義有疑問的，看參考文獻[2]（文中有卷積核和過濾器的概念）。
代碼
import torch
import torch.nn as nn
from torch import autograd
# kernel_size的第哥一維度的值是每次處理的圖像幀數，後面是卷積核的大小
m = nn.Conv3d(3, 3, (3, 7, 7), stride=1, padding=0)
input = autograd.Variable(torch.randn(1, 3, 7, 60, 40))
output = m(input)
print(output.size())
# 輸出是 torch.Size([1, 3, 5, 54, 34])
首先明確一件事：假設矩陣的形狀是（a，b，c），那麼從右往左分別對應的是列、行、三維值。例如矩陣的形狀是（4，3，6），意思是這是個三維矩陣，其中有4個二維矩陣，二維矩陣的形狀是3 x 6。或者矩陣的形狀是（5，4，7，3），意思是這是個四維矩陣，其中有5個三維矩陣，每個三維矩陣中有4個二維矩陣，二維矩陣的形狀是7 x 3。而且形狀中位置從左往右對應的是維度從高到低。
看一下中文文檔
class torch.nn.Conv3d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True)
in_channels(int) – 輸入信號的通道，就是輸入中每幀圖像的通道數
out_channels(int) – 卷積產生的通道，就是輸出中每幀圖像的通道數
kernel_size(int or tuple) - 過濾器的尺寸，假設爲(a,b,c)，表示的是過濾器每次處理 a 幀圖像，該圖像的大小是b x c。
stride(int or tuple, optional) - 卷積步長，形狀是三維的，假設爲(x,y,z)，表示的是三維上的步長是x，在行方向上步長是y，在列方向上步長是z。
padding(int or tuple, optional) - 輸入的每一條邊補充0的層數，形狀是三維的，假設是(l,m,n)，表示的是在輸入的三維方向前後分別padding l 個全零二維矩陣，在輸入的行方向上下分別padding m 個全零行向量，在輸入的列方向左右分別padding n 個全零列向量。
dilation(int or tuple, optional) – 卷積核元素之間的間距，這個看看空洞卷積就okay了
groups(int, optional) – 從輸入通道到輸出通道的阻塞連接數；沒用到，沒細看
bias(bool, optional) - 如果bias=True，添加偏置；沒用到，沒細看
這樣解釋參數，太不直觀了，上一張畫的不是很好的圖
image.png
再回過頭來看代碼
- （1，3，7，60，40）表示輸入1個視頻，每個視頻中圖像的通道數是3，每個視頻中包含的圖像數是7，圖像的大小是60 x 40。
- （3，3，（3，7，7））表示的是輸入圖像的通道數是3，輸出圖像的通道數是3，（3，7，7）表示過濾器每次處理3幀圖像，卷積核的大小是7 x 7。
- stride=1 表示stride=（1，1，1），在三維方向上步長是1，在寬和高上步長也是1。
- padding=0 表示padding=（0，0，0）表示在三維方向上不padding，在寬和高上也不padding。
總結
其實3DCNN和2DCNN的區別最大區別就是3DCNN每次可以融合多個圖像的特徵，而2DCNN只能融合一個圖像的特徵，理解3DCNN中同時處理多幀圖像的時候可以類比2DCNN中同時處理多個通道。
參考文獻
[1] pytorch中文文檔
[2] 萬字長文帶你看盡深度學習中的各種卷積網絡
作者：一個NLPer
鏈接：https://www.jianshu.com/p/a55b329e2635
來源：簡書
著作權歸作者所有。商業轉載請聯繫作者獲得授權，非商業轉載請註明出處。