0
点赞
收藏
分享

微信扫一扫

PyTorch 自定义卷积核「数据」

捡历史的小木板 2022-04-04 阅读 89

在做一些模型分析的时候可能需要将卷积核内的参数定制化(eg:全为1),此时就没办法直接使用模型中定义好的卷积了,需要将其数据给修改下方能使用,但是其输入输出通道以及卷积核大小需要留用,在此就可以单独的将 卷积的 weight/bias 进行从新赋值即可:

conv = torch.nn.Conv2d(1, 1, (3, 3), stride=2, padding=1, bias=True)
conv.weight.data = torch.Tensor([[[[1, 1, 1],
                                   [1, 1, 0],
                                   [0, 1, 1]]]])
conv.bias.data = torch.Tensor([[[1]]])


a = torch.Tensor([[[[1, 0, 0, 1, 2],
                    [0, 2, 0, 0, 0],
                    [1, 1, 0, 1, 0],
                    [1, 0, 2, 2, 2],
                    [1, 0, 0, 2, 0]]]])
print(conv(a))


# 输出结果:
tensor([[[[3., 0., 3.],
          [4., 7., 3.],
          [2., 4., 6.]]]], grad_fn=<ThnnConv2DBackward>)

参考链接:https://zhuanlan.zhihu.com/p/405242579

举报

相关推荐

0 条评论