现在位置: 首页 / 代码演示 / 正文

CNN卷积核可视化

一维卷积 (Conv1d) 可视化工具

一维卷积 (nn.Conv1d) 可视化工具

通过交互式调整参数，理解 Conv1d 的工作原理。

参数控制器

12
3
4
3
1

1. 输入数据 (Input)

形状: (Batch=1, C_in=3, L_in=12)

输入通道数 (in_channels): 代表输入序列在每个时间点上的特征维度。例如，对于文本，它可能是词向量的维度；对于股价，可能是[开盘价, 最高价, 最低价, 收盘价]这4个特征。这里，每一行代表一个通道。

2. 卷积核 (Kernel)

形状: (C_out=4, C_in=3, K=3)

卷积核大小 (kernel_size): 定义了卷积操作的"视野"或窗口大小。`kernel_size=3` 意味着卷积核一次会查看输入序列中3个相邻的时间点。

扩张率 (dilation): 控制卷积核元素之间的间距。`dilation=2` 意味着卷积核会跳过一个元素去观察，增大了感受野但没有增加计算量。图中蓝色高亮区域展示了扩张效果。

3. 输出数据 (Output)

形状: (Batch=1, C_out=4, L_out=10)

输出通道数 (out_channels): 代表我们使用了多少个不同的卷积核。每个卷积核负责从输入中提取一种特定的模式或特征。因此，输出通道数决定了提取出特征图的深度。这里，每一行代表一个输出通道。动画中黄色高亮的单元格表示当前正在计算的输出。