megengine.module.Conv3d

class Conv3d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True, conv_mode='cross_correlation')

对输入 tensor 进行三维卷积

For instance, given an input of the size \((N, C_{\text{in}}, T, H, W)\), this layer generates an output of the size \((N, C_{\text{out}}, T_{\text{out}}, H_{\text{out}}, W_{\text{out}})\) through the process described as below:

\[\text{out}(N_i, C_{\text{out}_j}) = \text{bias}(C_{\text{out}_j}) + \sum_{k = 0}^{C_{\text{in}} - 1} \text{weight}(C_{\text{out}_j}, k) \star \text{input}(N_i, k)\]

where \(\star\) is the valid 3D cross-correlation operator, \(N\) is batch size, \(C\) denotes number of channels.

当 groups == in_channels 且 out_channels == K * in_channels ，其中 K 是正整数，该操作也被称为深度方向卷积（depthwise convolution）。

In other words, for an input of size \((N, C_{in}, T_{int}, H_{in}, W_{in})\), a depthwise convolution with a depthwise multiplier K, can be constructed by arguments \((in\_channels=C_{in}, out\_channels=C_{in} \times K, ..., groups=C_{in})\).

参数

• in_channels (int) – 输入数据中的通道数。

• out_channels (int) – 输出数据中的通道数。

• kernel_size (Union[int, Tuple[int, int, int]]) – size of weight on spatial dimensions. If kernel_size is an int, the actual kernel size would be (kernel_size, kernel_size, kernel_size).

• stride (Union[int, Tuple[int, int, int]]) – 三维卷积运算中的步长。 默认： 1

• padding (Union[int, Tuple[int, int, int]]) – 输入数据空域维度两侧的填充（padding）大小。仅支持填充0值。默认：0

• dilation (Union[int, Tuple[int, int, int]]) – 三维卷积运算的扩张值(dilation)。 默认： 1

• groups (int) – number of groups into which the input and output channels are divided, so as to perform a “grouped convolution”. When groups is not 1, in_channels and out_channels must be divisible by groups, and there would be an extra dimension at the beginning of the weight’s shape. Default: 1

• bias (bool) – 是否将偏置（bias）加入卷积的结果中。默认：True

• conv_mode (str) – Supports cross_correlation. Default: cross_correlation

注解

• weight usually has shape (out_channels, in_channels, depth, height, width) , if groups is not 1, shape will be (groups, out_channels // groups, in_channels // groups, depth, height, width)

• bias usually has shape (1, out_channels, *1)

实际案例

import numpy as np
import megengine as mge
import megengine.module as M

m = M.Conv3d(in_channels=3, out_channels=1, kernel_size=3)
inp = mge.tensor(np.arange(0, 384).astype("float32").reshape(2, 3, 4, 4, 4))
oup = m(inp)
print(oup.numpy().shape)

输出：

(2, 1, 2, 2, 2)

方法

apply(fn)	对当前模块中的所有模块应用函数 fn，包括当前模块本身。
buffers([recursive])	返回该模块中对于buffers的一个可迭代对象。
calc_conv(inp, weight, bias)
children(**kwargs)	返回一个可迭代对象，可遍历所有属于当前模块的直接属性的子模块。
disable_quantize([value])	设置 module 的 quantize_diabled 属性，并返回 module 。
eval()	当前模块中所有模块的 training 属性（包括自身）置为 False ，并将其切换为推理模式。
forward(inp)
load_state_dict(state_dict[, strict])	加载一个参数字典，这个字典通常使用 state_dict 得到。
modules(**kwargs)	返回一个可迭代对象，可以遍历当前模块中的所有模块，包括其本身。
named_buffers([prefix, recursive])	返回可遍历模块中 key 与 buffer 的键值对的可迭代对象，其中 key 为从该模块至 buffer 的点路径（dotted path）。
named_children(**kwargs)	返回可迭代对象，可以遍历属于当前模块的直接属性的所有子模块（submodule）与键（key）组成的”key-submodule”对，其中'key'是子模块对应的属性名。
named_modules([prefix])	返回可迭代对象，可以遍历当前模块包括自身在内的所有其内部模块所组成的key-module键-模块对，其中'key'是从当前模块到各子模块的点路径（dotted path）。
named_parameters([prefix, recursive])	返回一个可迭代对象，可以遍历当前模块中key与 Parameter 组成的键值对。其中 key 是从模块到 Parameter 的点路径（dotted path）。
named_tensors([prefix, recursive])	Returns an iterable for key tensor pairs of the module, where key is the dotted path from this module to the tensor.
parameters([recursive])	返回一个可迭代对象，遍历当前模块中的所有 Parameter
register_forward_hook(hook)	给模块输出注册一个回调函数。
register_forward_pre_hook(hook)	给模块输入注册一个回调函数。
replace_param(params, start_pos[, seen])	Replaces module's parameters with params, used by ParamPack to
reset_parameters()	rtype None
state_dict([rst, prefix, keep_var])
tensors([recursive])	Returns an iterable for the Tensor of the module.
train([mode, recursive])	当前模块中所有模块的 training 属性（包括自身）置为 mode。
zero_grad()	将所有参数的梯度置0。

上一页

megengine.module.Conv2d.zero_grad

下一页

megengine.module.Conv3d.apply