假设输入数据维度为8，filter维度为5；
不加padding时，输出维度为4，如果filter的数量为16，那么输出数据的shape就是4*16.

一维卷积不代表卷积核只有一维，也不代表被卷积的feature也是一维。一维的意思是说卷积的方向是一维的。一维卷积核仅仅可以在左右这个单一的一维方向上移动。

torch.nn.Conv1d(in_channels: int,out_channels: int,kernel_size: _size_1_t,stride: _size_1_t = 1,padding: _size_1_t | str = 0,dilation: _size_1_t = 1,groups: int = 1,bias: bool = True,padding_mode: str = 'zeros',device: Any | None = None,dtype: Any | None = None
)

nn.Conv1d(in_channels=32,out_channels=128,kernel_size=20,stride=1,padding='same',

在代码中，nn.Conv1d 的 out_channels 参数指定了卷积核的数量，而不是输出通道的数量。因此，对于每个卷积核，它都会生成一个输出通道。在你的示例中，有 128 个卷积核，因此将生成 128 个输出通道。

输入通道的数量由 in_channels 参数指定，它表示输入数据的通道数。在你的示例中，输入通道的数量是 32。

总结一下，nn.Conv1d 中的 out_channels 参数控制卷积核的数量，每个卷积核生成一个输出通道。输入通道的数量由 in_channels 参数指定。在你的示例中，有 128 个卷积核，因此有 128 个输出通道。