前言：开始处理视频数据，遇到了陌生又熟悉的3D卷积，但对其计算过程有点疑惑，网上也没找到什么可视化动画，所以研究明白并做个记录，方便日后复习。有点简化，但认真琢磨一下图片和代码肯定能看明白：）

1. 可视化过程

3D卷积可以用来处理视频输入，对于图片来讲，shape为：[C_in, H, W]。而视频多了时间这一维度，因此视频的shape为：[C_in, D, H, W]，其中D为帧数（frame），比如一条视频有10帧，则D=10。（以上都忽略了batch size N）

假如我们现在的输入的视频shape为：[3, 7, 4, 4]。即：

input_channel	frame	H	W
3	7	4	4

kernel shape为：[5, 3, 2, 2, 2]

output_channel	input_channel	kernel_D	kernel_H	kernel_W
5	3	2	2	2

计算过程可视化如下：

output shape为：[5, 6, 3, 3]，其中：

output_channel	output_D	output_H	output_W
5	6	3	3

2. 代码验证

import torch
import torch.nn as nnN, C_in, D, H, W = 1, 3, 7, 4, 4
C_out = 5
m = nn.Conv3d(in_channels=C_in, out_channels=C_out, kernel_size=2, stride=1, bias=False)
inputs = torch.zeros(N, C, D, H, W)m.weight = nn.Parameter(torch.ones(C_out, C_in, 2, 2, 2))inputs[:, 0, :, :, :] = torch.ones(D, H, W)
inputs[:, 1, :, :, :] = torch.ones(D, H, W) * 2
inputs[:, 2, :, :, :] = torch.ones(D, H, W) * 3output = m(inputs)
print(inputs, inputs.shape)"""
tensor([[[[[1., 1., 1., 1.],[1., 1., 1., 1.],[1., 1., 1., 1.],[1., 1., 1., 1.]],[[1., 1., 1., 1.],[1., 1., 1., 1.],[1., 1., 1., 1.],[1., 1., 1., 1.]],[[1., 1., 1., 1.],[1., 1., 1., 1.],[1., 1., 1., 1.],[1., 1., 1., 1.]],[[1., 1., 1., 1.],[1., 1., 1., 1.],[1., 1., 1., 1.],[1., 1., 1., 1.]],[[1., 1., 1., 1.],[1., 1., 1., 1.],[1., 1., 1., 1.],[1., 1., 1., 1.]],[[1., 1., 1., 1.],[1., 1., 1., 1.],[1., 1., 1., 1.],[1., 1., 1., 1.]],[[1., 1., 1., 1.],[1., 1., 1., 1.],[1., 1., 1., 1.],[1., 1., 1., 1.]]],[[[2., 2., 2., 2.],[2., 2., 2., 2.],[2., 2., 2., 2.],[2., 2., 2., 2.]],[[2., 2., 2., 2.],[2., 2., 2., 2.],[2., 2., 2., 2.],[2., 2., 2., 2.]],[[2., 2., 2., 2.],[2., 2., 2., 2.],[2., 2., 2., 2.],[2., 2., 2., 2.]],[[2., 2., 2., 2.],[2., 2., 2., 2.],[2., 2., 2., 2.],[2., 2., 2., 2.]],[[2., 2., 2., 2.],[2., 2., 2., 2.],[2., 2., 2., 2.],[2., 2., 2., 2.]],[[2., 2., 2., 2.],[2., 2., 2., 2.],[2., 2., 2., 2.],[2., 2., 2., 2.]],[[2., 2., 2., 2.],[2., 2., 2., 2.],[2., 2., 2., 2.],[2., 2., 2., 2.]]],[[[3., 3., 3., 3.],[3., 3., 3., 3.],[3., 3., 3., 3.],[3., 3., 3., 3.]],[[3., 3., 3., 3.],[3., 3., 3., 3.],[3., 3., 3., 3.],[3., 3., 3., 3.]],[[3., 3., 3., 3.],[3., 3., 3., 3.],[3., 3., 3., 3.],[3., 3., 3., 3.]],[[3., 3., 3., 3.],[3., 3., 3., 3.],[3., 3., 3., 3.],[3., 3., 3., 3.]],[[3., 3., 3., 3.],[3., 3., 3., 3.],[3., 3., 3., 3.],[3., 3., 3., 3.]],[[3., 3., 3., 3.],[3., 3., 3., 3.],[3., 3., 3., 3.],[3., 3., 3., 3.]],[[3., 3., 3., 3.],[3., 3., 3., 3.],[3., 3., 3., 3.],[3., 3., 3., 3.]]]]])shape:
torch.Size([1, 3, 7, 4, 4])
"""

print(output, output.shape)"""
tensor([[[[[48., 48., 48.],[48., 48., 48.],[48., 48., 48.]],[[48., 48., 48.],[48., 48., 48.],[48., 48., 48.]],[[48., 48., 48.],[48., 48., 48.],[48., 48., 48.]],[[48., 48., 48.],[48., 48., 48.],[48., 48., 48.]],[[48., 48., 48.],[48., 48., 48.],[48., 48., 48.]],[[48., 48., 48.],[48., 48., 48.],[48., 48., 48.]]],[[[48., 48., 48.],[48., 48., 48.],[48., 48., 48.]],[[48., 48., 48.],[48., 48., 48.],[48., 48., 48.]],[[48., 48., 48.],[48., 48., 48.],[48., 48., 48.]],[[48., 48., 48.],[48., 48., 48.],[48., 48., 48.]],[[48., 48., 48.],[48., 48., 48.],[48., 48., 48.]],[[48., 48., 48.],[48., 48., 48.],[48., 48., 48.]]],[[[48., 48., 48.],[48., 48., 48.],[48., 48., 48.]],[[48., 48., 48.],[48., 48., 48.],[48., 48., 48.]],[[48., 48., 48.],[48., 48., 48.],[48., 48., 48.]],[[48., 48., 48.],[48., 48., 48.],[48., 48., 48.]],[[48., 48., 48.],[48., 48., 48.],[48., 48., 48.]],[[48., 48., 48.],[48., 48., 48.],[48., 48., 48.]]],[[[48., 48., 48.],[48., 48., 48.],[48., 48., 48.]],[[48., 48., 48.],[48., 48., 48.],[48., 48., 48.]],[[48., 48., 48.],[48., 48., 48.],[48., 48., 48.]],[[48., 48., 48.],[48., 48., 48.],[48., 48., 48.]],[[48., 48., 48.],[48., 48., 48.],[48., 48., 48.]],[[48., 48., 48.],[48., 48., 48.],[48., 48., 48.]]],[[[48., 48., 48.],[48., 48., 48.],[48., 48., 48.]],[[48., 48., 48.],[48., 48., 48.],[48., 48., 48.]],[[48., 48., 48.],[48., 48., 48.],[48., 48., 48.]],[[48., 48., 48.],[48., 48., 48.],[48., 48., 48.]],[[48., 48., 48.],[48., 48., 48.],[48., 48., 48.]],[[48., 48., 48.],[48., 48., 48.],[48., 48., 48.]]]]], grad_fn=<SlowConv3DBackward0>)shape:
torch.Size([1, 5, 6, 3, 3])
"""

48怎么来的？

2x2x2x1 + 2x2x2x2 + 2x2x2x3 = 48