如何理解3D卷積神經網絡核中的參數？

1、輸出、輸出的圖片大小

2、stride 控制，CNN卷積核一次挪動多少。

padding，控制對原始圖片填充多少個東西。能控制卷積之后的feature map的大小；

(3, 3, 3)，卷積核的大小，能夠控制使用多少個原始像素參與卷積。

# https://pytorch.org/docs/stable/generated/torch.nn.Conv3d.html

import torch
import torch.nn as nn

input = torch.randn(20, 16, 10, 50, 100)
m = nn.Conv3d(16, 33, 3, stride=1)
output = m(input) #(20, 33, 10, 50, 100)  #20, 33, 4, 24, 49

pass

# m = nn.Conv3d(16, 33, (3, 5, 2), stride=(2, 1, 1), padding=(4, 2, 0))

-----------------

當，m = nn.Conv3d(16, 33, (3, 3, 3), stride=(1, 1, 1), padding=(1, 1, 1)) 時

print(output.shape) 結果為 torch.Size([20, 33, 10, 50, 100])

單張圖片的大小沒有發生變化10*50*100，對應D*H*W

3、m = nn.Conv3d(16, 33, 3, stride=1)

16代表，卷積前，的時間尺度。可以理解為用了16個時刻的圖片；

33代表，卷積后，的時間尺度。第一個時間尺度上的feature map等於之前的16個時刻的卷積結果。第二個同樣是之前的16個時刻的卷積結果。以此類推，一共有33個新的時刻。

卷積和的大小是3*3*3.  步長stride=1

===================================================================

以上的理解是錯誤的。↑

請使用以下的理解：

[pytorch] torch.nn.Conv3D 的使用介紹_一點也不可愛的王同學的博客-CSDN博客


 

#構建網絡前，首先需要把數據集的張量，整理成input = torch.randn(N, C, D, W, H)
#N個小視頻；每一幀的通道數為C；視頻的時間深度為D；WH代表寬高

#3D卷積核
# m = nn.Conv3d(1, 1, (3, 5, 5), stride=1)
# 設計卷積核，時間上的卷積是3，空間上的卷積是5；通道數沒變，還是1，可以理解為還是只有一個通道。

#https://pytorch.org/docs/stable/generated/torch.nn.Conv3d.html

對比2D卷積和，多了D，那么D肯定代表時間啊。想什么呢。