pytorch 如何自定義卷積核權(quán)值參數(shù)

更新時(shí)間：2021年05月27日 08:40:43 作者：Mr.Jcak

這篇文章主要介紹了pytorch 自定義卷積核權(quán)值參數(shù)的操作，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教

pytorch中構(gòu)建卷積層一般使用nn.Conv2d方法，有些情況下我們需要自定義卷積核的權(quán)值weight，而nn.Conv2d中的卷積參數(shù)是不允許自定義的，此時(shí)可以使用torch.nn.functional.conv2d簡(jiǎn)稱F.conv2d

torch.nn.functional.conv2d(input, weight, bias=None, stride=1, padding=0, dilation=1, groups=1)

F.conv2d可以自己輸入且也必須要求自己輸入卷積權(quán)值weight和偏置bias。因此，構(gòu)建自己想要的卷積核參數(shù)，再輸入F.conv2d即可。

下面是一個(gè)用F.conv2d構(gòu)建卷積層的例子

這里為了網(wǎng)絡(luò)模型需要寫成了一個(gè)類：

class CNN(nn.Module):
    def __init__(self):
        super(CNN, self).__init__()
        self.weight = nn.Parameter(torch.randn(16, 1, 5, 5))  # 自定義的權(quán)值
        self.bias = nn.Parameter(torch.randn(16))    # 自定義的偏置
 
    def forward(self, x):
        x = x.view(x.size(0), -1)
        out = F.conv2d(x, self.weight, self.bias, stride=1, padding=0)
        return out

值得注意的是，pytorch中各層需要訓(xùn)練的權(quán)重的數(shù)據(jù)類型設(shè)為nn.Parameter，而不是Tensor或者Variable。parameter的require_grad默認(rèn)設(shè)置為true，而Varaible默認(rèn)設(shè)置為False。

補(bǔ)充：pytorch中卷積參數(shù)的理解

在這里插入圖片描述

kernel_size代表著卷積核，例如kernel_size=3或kernel_size=（3，7）；

stride：表明卷積核在像素級(jí)圖像上行走的步長(zhǎng)，如圖2，步長(zhǎng)為1；

padding：為上下左右填充的大小，例如padding=0/1/（1，1）/（1，3），

padding=0 不填充；

padding=1/（1，1）上下左右分別填充1個(gè)格；

padding=（1，3）高（上下）填充2個(gè)格，寬（左右）填充6個(gè)格；

卷積代碼

torch.nn.Conv2d(512,512,kernel_size=(3,7),stride=2,padding=1)

指定輸出形狀的上采樣

def upsample_add(self,x,y):
        _,_,H,W = y.size()
        return F.interpolate(x, size=(H,W), mode='bilinear', align_corners=False) + y

反卷積上采樣

output_shape_w=kernel_size_w+(output_w-1)(kernel_size_w-1)+2padding

self.upscore2 = nn.ConvTranspose2d(
            512, 1, kernel_size=3, stride=2,padding=0, bias=False)

以上為個(gè)人經(jīng)驗(yàn)，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。

您可能感興趣的文章:

相關(guān)文章

pandas實(shí)現(xiàn)excel表格處理并讀取指定sheet的方法
這篇文章主要介紹了pandas實(shí)現(xiàn)excel表格處理并讀取指定sheet的方法,文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
2024-02-02
Windows環(huán)境中Python應(yīng)用服務(wù)自啟動(dòng)及其監(jiān)控問題
這篇文章主要介紹了Windows環(huán)境中Python應(yīng)用服務(wù)自啟動(dòng)及其監(jiān)控問題,具有很好的參考價(jià)值,希望對(duì)大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教
2024-06-06
Pycharm學(xué)習(xí)教程(4) Python解釋器的相關(guān)配置
這篇文章主要為大家詳細(xì)介紹了最全的Pycharm學(xué)習(xí)教程第四篇，Python解釋器配置，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下
2017-05-05
python常見的格式化輸出小結(jié)
今天在寫代碼的時(shí)候，需要統(tǒng)一化輸出格式進(jìn)行，一時(shí)想不起竟具體細(xì)節(jié)，用了最笨的方法，所以覺得有必要將常見的方法進(jìn)行一個(gè)總結(jié)。下面這篇文中就給大家總結(jié)了python中常見的格式化輸出，比如打印字符串、打印整數(shù)和打印浮點(diǎn)數(shù)等，下面來看看詳細(xì)的輸出方法吧。
2016-12-12
python2與python3中關(guān)于對(duì)NaN類型數(shù)據(jù)的判斷和轉(zhuǎn)換方法
今天小編就為大家分享一篇python2與python3中關(guān)于對(duì)NaN類型數(shù)據(jù)的判斷和轉(zhuǎn)換方法，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧
2018-10-10
python中and和or邏輯運(yùn)算符的用法示例
python中的邏輯運(yùn)算符有兩種返回值,python運(yùn)算符除了能操作bool類型表達(dá)式,還能操作其他所有類型的表達(dá)式,這篇文章主要給大家介紹了關(guān)于python中and和or邏輯運(yùn)算符用法的相關(guān)資料,需要的朋友可以參考下
2022-01-01
Python使用getpass庫(kù)讀取密碼的示例
本篇文章主要介紹了Python使用getpass庫(kù)讀取密碼的示例，小編覺得挺不錯(cuò)的，現(xiàn)在分享給大家，也給大家做個(gè)參考。一起跟隨小編過來看看吧
2017-10-10
Python中的進(jìn)程操作模塊(multiprocess.process)
這篇文章介紹了Python中的進(jìn)程操作模塊(multiprocess.process)，文中通過示例代碼介紹的非常詳細(xì)。對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友可以參考下
2022-05-05
python中的正則表達(dá)式,貪婪匹配與非貪婪匹配方式
這篇文章主要介紹了python中的正則表達(dá)式,貪婪匹配與非貪婪匹配方式，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教
2023-01-01
Python爬蟲+tkinter界面實(shí)現(xiàn)歷史天氣查詢的思路詳解
這篇文章主要介紹了Python爬蟲+tkinter界面實(shí)現(xiàn)歷史天氣查詢的思路詳解,本文給大家介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友可以參考下
2021-02-02