PyTorch中Conv3D的核/滤波器维度确定及实例疑问

我的模型输入维度为1x24x24x8（1为输入通道），首先会经过如下卷积层：

nn.Sequential(OrderedDict([
(name+'conv1',nn.Conv3d(in_channels=1,out_channels=8,kernel_size=3,padding=1, bias=False)),
(name+'bnorm1',nn.BatchNorm3d(num_features=8)),
(name+'relu1',nn.ReLU(inplace=True)),
(name+'conv2',nn.Conv3d(in_channels=8, out_channels=8,kernel_size=3,padding=1, bias=False)),
(name+'bnorm2',nn.BatchNorm3d(num_features=8)),
(name+'relu2',nn.ReLU(inplace=True))]))

经过conv1后，输入维度变为8x24x24x8（8为输出通道），我理解此时有8个滤波器，每个维度为1x3x3x3（对应输入通道数+3D核尺寸）。

经过最大池化后，输入变为8x12x12x4（8为输入通道），进入如下卷积层：

nn.Sequential(OrderedDict([
(name+'conv1',nn.Conv3d(in_channels=8,out_channels= 8*2,kernel_size=3,padding=1, bias=False)),
(name+'bnorm1',nn.BatchNorm3d(num_features=8*2)),
(name+'relu1',nn.ReLU(inplace=True)),
(name+'conv2',nn.Conv3d(in_channels= 8*2, out_channels=8*2, kernel_size=3,padding=1, bias=False)),
(name+'bnorm2',nn.BatchNorm3d(num_features=8*2)),
(name+'relu2',nn.ReLU(inplace=True))]
))

经过conv1后输入维度变为16x12x12x4（16为输出通道），我有如下疑问：

• 这里的滤波器数量是16个吗？
• 每个核/滤波器的维度是多少？
• 若每个滤波器维度为8x3x3x4，是否只需2个就能得到对应输出？
• 若每个维度为1x3x3x4且有16个，如何在输入上运算得到目标输出？

解答 #

1. 滤波器数量 #

是的，这里的滤波器数量就是out_channels的取值——16个。每个滤波器对应输出特征图的一个通道，16个滤波器会生成16个通道的输出结果。

2. 每个核/滤波器的维度 #

在PyTorch的标准nn.Conv3d中（默认分组数groups=1），每个滤波器的维度为：(in_channels, kernel_size_D, kernel_size_H, kernel_size_W)。对应到这个场景：

• in_channels=8（当前输入的通道数）
• kernel_size=3（3D核的三个空间维度尺寸均为3）
  所以每个滤波器的维度是8x3x3x3。

注意：滤波器的空间维度由kernel_size参数指定，和输入特征图的空间维度（12x12x4）无关。

3. 关于“8x3x3x4滤波器只需2个”的疑问 #

这个理解存在错误：

• 首先，滤波器的空间维度是由kernel_size定义的3，不是输入的空间维度4；
• 其次，每个滤波器只能生成输出特征图的一个通道，要得到16个输出通道，必须使用16个独立的滤波器，每个滤波器负责计算一个通道的特征图，不存在“2个滤波器生成16个通道”的情况。

4. 关于“1x3x3x4滤波器+16个”的疑问 #

这种模式不符合当前的标准3D卷积逻辑：
标准3D卷积中，每个滤波器会覆盖所有输入通道（即8个通道）进行卷积运算，输出单通道的特征图；16个这样的滤波器叠加后，就得到16通道的输出。

如果是每个滤波器仅对应1个输入通道（即1x3x3x3），那要生成16通道输出，需要结合分组卷积或其他特殊配置，但当前代码是标准卷积，不存在这种运算方式。

内容的提问来源于stack exchange，提问作者nastaran 93th