20210609

例如（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3 x 7 x 7。

https://blog.csdn.net/gaoxiaoxue_/article/details/107978094
https://blog.csdn.net/weixin_42769131/article/details/104826953

https://www.jianshu.com/p/6e1ef63615f8

問題1：關于pytorch 3D 卷積函數：Conv3d

torch.nn.Conv3d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True)

3D卷積神經網絡多用于高維度圖像數據，例如N幀的視頻，由于看參數比較抽象，一般人難以理解具體含義，因此，我以一段100幀視頻為例，每幀視頻為100010003的彩色圖像，1000*1000為圖像大小，3為圖像的RGB 3個通道。

參數說明：

in_channels(int) – 輸入信號的通道（解釋：每幀圖像的通道數，本例為3）

out_channels(int) – 卷積產生的通道（解釋：對應于用了多少個卷積核，如果1個卷積核，就是1，如果輸出20，那就是20個卷積核）

kernel_size(int or tuple) - 卷積核的尺寸

stride(int or tuple, optional) - 卷積步長（每次核移動的步長）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(int or tuple, optional) - 輸入的每一條邊補充0的層數（主要是對圖像周圍的數據如何處理）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。

dilation(int or tuple, optional) – 卷積核元素之間的間距

groups(int, optional) – 從輸入通道到輸出通道的阻塞連接數

bias(bool, optional) - 如果bias=True，添加偏置

例如（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3 x 7 x 7

注意：3D卷積的輸入是5維的tensor

三維卷積層, 輸入數據的尺度是(N, C_in,D,H,W)

舉例：(1，3，100，1000，1000）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100，圖像的大小是1000 x 1000。

輸出尺度（N,C_out,D_out,H_out,W_out）

1，10，100，1000，1000）表示輸出1個視頻，每個視頻中圖像的通道數是10，每個視頻中包含的圖像數是100，圖像的大小是1000 x 1000。

（參考文獻：Pytorch學習筆記15----nn.Conv2d與Conv3d參數理解、單通道與多通道卷積理解 - 雨后觀山色 - 博客園）

問題2：3D 卷積核大小說明

3D卷積操作如圖2所示，同樣分為單通道和多通道，且只使用一個filter，輸出一個channel。
其中，針對單通道，與2D卷積不同之處在于，輸入圖像多了一個 depth 維度，故輸入大小為(1, depth, height, width)，卷積核也多了一個k_d維度，因此卷積核在輸入3D圖像的空間維度（height和width維）和depth維度上均進行滑窗操作，每次滑窗與 (k_d, k_h, k_w) 窗口內的values進行相關操作，得到輸出3D圖像中的一個value。
針對多通道，輸入大小為(多通道數, depth, height, width)，則與2D卷積的操作一樣，每次滑窗與多個channels上的 (k_d, k_h, k_w) 窗口內的所有values進行相關操作，得到輸出3D圖像中的一個value。

https://blog.csdn.net/g11d111/article/details/82665265
PyTorch學習筆記(9)——nn.Conv2d和其中的padding策略

tf.nn.conv2d(input,filter,strides,padding,use_cudnn_on_gpu=True,data_format='NHWC',dilations=[1, 1, 1, 1],name=None)