PyTorch中，一維卷積可以通過torch.nn.Conv1d模塊來實現。下面是一個簡單的例子，展示了如何使用Conv1d進行一維卷積計算：
import torch
import torch.nn as nn
# 創建一個一維卷積層
conv1d = nn.Conv1d(in_channels=1, out_channels=3, kernel_size=2)
# 輸入數據（一維張量）
input_data = torch.randn(10, 1, 16) # 10個樣本，每個樣本1個通道，長度為16
# 通過卷積層
output_data = conv1d(input_data)
print("輸入數據形狀：", input_data.shape)
print("輸出數據形狀：", output_data.shape)
在這個例子中，我們創建了一個Conv1d層，其中in_channels表示輸入通道數，out_channels表示輸出通道數，kernel_size表示卷積核的大小。輸入數據是一個形狀為(10, 1, 16)的一維張量，表示有10個樣本，每個樣本1個通道，長度為16。通過卷積層后，輸出數據的形狀為(10, 3, 14)，表示有10個樣本，每個樣本3個通道，長度為14。
注意，卷積操作會改變輸入數據的長度。具體來說，輸出數據的長度等于(input_length - kernel_size + 2 * padding) / stride + 1，其中padding表示填充大小，stride表示步長。在上面的例子中，我們沒有使用填充和步長，所以輸出數據的長度減少了2。
