pytorch 自定義卷積核進行卷積操作方式
更新時間：2019年12月30日 15:23:30 作者：月亮是藍色
今天小編就為大家分享一篇pytorch 自定義卷積核進行卷積操作方式，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧
一 卷積操作：在pytorch搭建起網絡時，大家通常都使用已有的框架進行訓練，在網絡中使用最多就是卷積操作，最熟悉不過的就是
torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True)
通過上面的輸入發(fā)現(xiàn)想自定義自己的卷積核，比如高斯核，發(fā)現(xiàn)是行不通的，因為上面的參數(shù)里面只有卷積核尺寸，而權值weight是通過梯度一直更新的，是不確定的。
二 需要自己定義卷積核的目的：目前是需要通過一個VGG網絡提取特征特后需要對其進行高斯卷積，卷積后再繼續(xù)輸入到網絡中訓練。
三 解決方案。使用
torch.nn.functional.conv2d(input, weight, bias=None, stride=1, padding=0, dilation=1, groups=1)
這里注意下weight的參數(shù)。與nn.Conv2d的參數(shù)不一樣
可以發(fā)現(xiàn)F.conv2d可以直接輸入卷積的權值weight，也就是卷積核。那么接下來就要首先生成一個高斯權重了。這里不直接一步步寫了，直接輸入就行。
kernel = [[0.03797616, 0.044863533, 0.03797616],
[0.044863533, 0.053, 0.044863533],
[0.03797616, 0.044863533, 0.03797616]]
四 完整代碼
class GaussianBlur(nn.Module):
def __init__(self):
super(GaussianBlur, self).__init__()
kernel = [[0.03797616, 0.044863533, 0.03797616],
[0.044863533, 0.053, 0.044863533],
[0.03797616, 0.044863533, 0.03797616]]
kernel = torch.FloatTensor(kernel).unsqueeze(0).unsqueeze(0)
self.weight = nn.Parameter(data=kernel, requires_grad=False)
def forward(self, x):
x1 = x[:, 0]
x2 = x[:, 1]
x3 = x[:, 2]
x1 = F.conv2d(x1.unsqueeze(1), self.weight, padding=2)
x2 = F.conv2d(x2.unsqueeze(1), self.weight, padding=2)
x3 = F.conv2d(x3.unsqueeze(1), self.weight, padding=2)
x = torch.cat([x1, x2, x3], dim=1)
return x
這里為了網絡模型需要寫成了一個類，這里假設輸入的x也就是經過網絡提取后的三通道特征圖（當然不一定是三通道可以是任意通道）
如果是任意通道的話，使用torch.expand(）向輸入的維度前面進行擴充。如下：
def blur(self, tensor_image):
kernel = [[0.03797616, 0.044863533, 0.03797616],
[0.044863533, 0.053, 0.044863533],
[0.03797616, 0.044863533, 0.03797616]]
min_batch=tensor_image.size()[0]
channels=tensor_image.size()[1]
out_channel=channels
kernel = torch.FloatTensor(kernel).expand(out_channel,channels,3,3)
self.weight = nn.Parameter(data=kernel, requires_grad=False)
return F.conv2d(tensor_image,self.weight,1,1)
以上這篇pytorch 自定義卷積核進行卷積操作方式就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持腳本之家。
相關文章
Python框架Flask的基本數(shù)據(jù)庫操作方法分析
這篇文章主要介紹了Python框架Flask的基本數(shù)據(jù)庫操作方法,結合實例形式分析了Flask框架數(shù)據(jù)庫操作常用函數(shù)功能、用法及相關注意事項,需要的朋友可以參考下2018-07-07
pip 20.3 新版本發(fā)布!即將拋棄 Python 2.x(推薦)
這篇文章主要介紹了pip 20.3 新版本發(fā)布!即將拋棄 Python 2.x,本文給大家介紹的非常詳細，對大家的學習或工作具有一定的參考借鑒價值，需要的朋友可以參考下2020-12-12
下面小編就為大家?guī)硪黄狣jango內容增加富文本功能的實例。小編覺得挺不錯的，現(xiàn)在就分享給大家，也給大家做個參考。一起跟隨小編過來看看吧2017-10-10
詳解Python連接MySQL數(shù)據(jù)庫的多種方式
這篇文章主要介紹了Python連接MySQL數(shù)據(jù)庫方式，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2019-04-04
這篇文章主要介紹了Python使用Pandas讀寫Excel實例解析,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下2019-11-11
今天小編就為大家分享一篇使用python存儲網頁上的圖片實例，具有很好的參考價值。希望對大家有所幫助。一起跟隨小編過來看看吧2018-05-05
本文將詳細介紹python的內置包——OS?包。OS?包擁有著普遍的操作系統(tǒng)功能，擁有著各種各樣的函數(shù)來操作系統(tǒng)的驅動功能?？靵砀S小編一起學習一下OS包的使用方法吧2022-03-03
Python?創(chuàng)建或讀取?Excel?文件的操作代碼
Excel是一種常用的電子表格軟件，廣泛應用于金融、商業(yè)和教育等領域，本文介紹Python?創(chuàng)建或讀取?Excel?文件的操作代碼，感興趣的朋友一起看看吧2023-09-09
在軟件開發(fā)中,經常會遇到一些代碼問題,例如邏輯結構復雜、依賴關系混亂、代碼冗余、不易讀懂的命名等,這些問題可能導致代碼的可維護性下降,增加維護成本,同時也會影響到開發(fā)效率,本文以Python實現(xiàn)自動化的工具,支持代碼重構過程的實踐2023-10-10
SQLite是一個進程內的庫，實現(xiàn)了自給自足的、無服務器的、零配置的、事務性的 SQL 數(shù)據(jù)庫引擎，這篇文章主要介紹了Pycharm連接sqllite的圖文教程，本文通過圖文并茂的形式給大家介紹的非常詳細,需要的朋友可以參考下2021-10-10