了解 Torch 中的时间卷积

Question

我正在尝试通过 Torch 参数化 1D 转换网络。

假设我有一个名为data 的Tensor，其尺寸为10 x 512，其中有10 行和512 列。因此，我想实现TemporalConvolution 层的单个 3 层堆栈，然后是 ReLU，然后是 TemporalMaxPooling。我的分类问题是二元的，有一个对应的labels张量，也就是10 x 1。让我们假设已经编写了一个feval 来遍历data 和labels 中的每个row。

因此，问题是构建一个可以从512 列向下映射到1 列的网络

改编自documentation：

...
model = nn.Sequential()
model:add(nn.TemporalConvolution(inputFrameSize, outputFrameSize, kW, [dW]))
model:add(nn.ReLU())
model:add(nn.TemporalMaxPooling(kW2, [dW2])
...
criterion = nn.BCECriterion()
...

我已将其参数化如下，但以下不起作用：/

TemporalConvolution(512,1,3,1)
ReLU())
TemporalMaxPooling(3, 1)

它抛出错误：2D or 3D(batch mode) tensor expected。结果，我尝试在将data 传递到网络之前对其进行重塑：

data = data:resize(1, 100, 512)

但这会引发错误：invalid input frame size。

---

我可以看到错误与进入卷积网络的数据形状有关，当然也与参数化有关。我对this post here 感到更加困惑，这似乎表明TemporalConvolution 的inputFrameSize 应该设置为10 而不是512。

任何关于如何构建一维卷积网络的指导都将不胜感激。

---

PS我已经使用logisticRegression 模型测试了脚本，并且该脚本运行了，所以问题纯粹在于卷积网络架构/进入其中的数据的形状。

Answer 1

我猜你误解了 inputFrameSize 的含义，它不是你输入的 seqlen 而是 n_channels（例如，对于 2d-convlution 中的 512*512 RGB 图像，inputFrameSize 应该是 3 而不是 512）。