[英]How can I make a filter in pytorch conv2d
我對 pytorch 真的很陌生,而且我自己一直在做代碼卷積。
為了對輸入數據應用卷積,我使用 conv2d。
在文檔中,
torch.nn.Conv2d(in_channels, out_channels, kernel_size ...)
但是過濾器在哪里? 為了進行卷積,我們應該使用 kernel 對輸入數據進行處理。 但是只有 kernel 尺寸,沒有 kernel 的元素。
例如,有一個輸入數據 5x5 和 2x2 kernel,所有 4 個內核元素都是 1,那么我可以制作 4x4 output。 那么kernel的元素可以放在哪里呢?
您不需要定義 kernel 的元素。 kernel的元件將通過圖靈訓練學習。
可以使用Conv2d
object 的weight
參數訪問過濾器權重。 例如,
>>> c = torch.nn.Conv2d(in_channels=2, out_channels=2, kernel_size=3)
>>> c.weight
Parameter containing:
tensor([[[[ 0.2156, 0.0930, -0.2319],
[ 0.1333, -0.0846, 0.1848],
[ 0.0765, -0.1799, -0.1273]],
[[ 0.1173, 0.1650, -0.0876],
[-0.1353, 0.0616, -0.1136],
[-0.2326, -0.1509, 0.0651]]],
[[[-0.2026, 0.2210, 0.0409],
[-0.0818, 0.0793, 0.1074],
[-0.1430, -0.0118, -0.2100]],
[[-0.2025, -0.0508, -0.1731],
[ 0.0217, -0.1616, 0.0702],
[ 0.1903, -0.1864, 0.1523]]]], requires_grad=True)
默認情況下,通過 從均勻分布中采樣來初始化權重。 您還可以使用各種權重初始化方案來初始化權重。
如果要手動更改權重,可以通過直接修改weight
參數來實現。 例如,要將所有權重設置為 1,請使用,
>>> c.weight.data = torch.ones_like(c.weight)
>>> c.weight
Parameter containing:
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.]]]], requires_grad=True)
請注意,在訓練期間,卷積層通常是計算圖的一部分,並且它們的權重在進行backward()
調用時會自動更新。
您可以使用功能 conv2d function,它需要一個額外的過濾器張量(作為參數weights
)。 nn.Conv2d
層依賴此操作,但自動處理過濾器/權重的學習,這通常更方便
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.