如何理解 3D 卷积神经网络核中的参数？-请从以下方面理解：

[pytorch] torch.nn.Conv3D 的使用介绍_一点也不可爱的王同学的博客-****博客


 

#构建网络前，首先需要把数据集的张量，整理成input = torch.randn(N, C, D, W, H)
#N个小视频；每一帧的通道数为C；视频的时间深度为D；WH代表宽高

#3D卷积核
# m = nn.Conv3d(1, 1, (3, 5, 5), stride=1)
# 设计卷积核，时间上的卷积是3，空间上的卷积是5；通道数没变，还是1，可以理解为还是只有一个通道。

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

对比2D卷积和，多了D，那么D肯定代表时间啊。想什么呢。

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

stride 本质上就是3D卷积核时间长的大小