pytorch 自定义卷积核进行卷积操作方式
作者:月亮是蓝色 时间:2021-07-24 22:54:39
一 卷积操作:在pytorch搭建起网络时,大家通常都使用已有的框架进行训练,在网络中使用最多就是卷积操作,最熟悉不过的就是
torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True)
通过上面的输入发现想自定义自己的卷积核,比如高斯核,发现是行不通的,因为上面的参数里面只有卷积核尺寸,而权值weight是通过梯度一直更新的,是不确定的。
二 需要自己定义卷积核的目的:目前是需要通过一个VGG网络提取特征特后需要对其进行高斯卷积,卷积后再继续输入到网络中训练。
三 解决方案。使用
torch.nn.functional.conv2d(input, weight, bias=None, stride=1, padding=0, dilation=1, groups=1)
这里注意下weight的参数。与nn.Conv2d的参数不一样
可以发现F.conv2d可以直接输入卷积的权值weight,也就是卷积核。那么接下来就要首先生成一个高斯权重了。这里不直接一步步写了,直接输入就行。
kernel = [[0.03797616, 0.044863533, 0.03797616],
[0.044863533, 0.053, 0.044863533],
[0.03797616, 0.044863533, 0.03797616]]
四 完整代码
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
这里为了网络模型需要写成了一个类,这里假设输入的x也就是经过网络提取后的三通道特征图(当然不一定是三通道可以是任意通道)
如果是任意通道的话,使用torch.expand()向输入的维度前面进行扩充。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)
来源:https://blog.csdn.net/lyl771857509/article/details/84113177
标签:pytorch,自定义,卷积核,卷积
![](/images/zang.png)
![](/images/jiucuo.png)
猜你喜欢
Python读取一个目录下所有目录和文件的方法
2023-05-30 23:04:21
用python编写第一个IDA插件的实例
2022-01-09 13:05:14
使用PHP批量生成随机用户名
2023-07-22 13:10:10
深入理解Python虚拟机中字典(dict)的实现原理及源码剖析
2022-03-10 20:57:06
![](https://img.aspxhome.com/file/2023/5/79515_0s.png)
asp如何实现歌曲在线点播?
2010-05-19 21:32:00
python实现的简单窗口倒计时界面实例
2023-06-18 23:02:55
CSS 设计中的黄金分割率应用
2008-11-12 12:17:00
![](https://img.aspxhome.com/file/UploadPic/200811/12/u2008111121121-91s.png)
DHTML 打造 Picture Spelling
2013-08-22 17:01:53
中国移动G3笔记本全Flash 网站
2009-04-27 12:51:00
![](https://img.aspxhome.com/file/UploadPic/20094/27/g3_1-35s.jpg)
Dreamweaver滑动菜单的制作[图]
2007-11-08 12:43:00
![](https://img.aspxhome.com/file/UploadPic/20072/200723113814365s.gif)
Python 错误和异常小结
2021-08-19 12:17:58
如何快速通过XSL转换XML文件
2023-07-02 21:22:40
一实用的table内容排序Javascript类库
2008-11-02 15:03:00
Python图像处理之图像的灰度线性变换
2021-12-16 22:30:58
![](https://img.aspxhome.com/file/2023/7/65977_0s.png)
Python中的 Set 与 dict
2022-04-09 20:20:33
GIt在pyCharm的详细使用教程记录
2021-11-21 02:21:05
![](https://img.aspxhome.com/file/2023/3/87893_0s.jpg)
ASP也使用ORM,给ASP上所有的SQL注入画上句号
2011-04-03 11:02:00
Python通过for循环理解迭代器和生成器实例详解
2022-08-23 14:34:59
Python中选择结构实例讲解
2023-06-26 14:56:09
Pandas 对Dataframe结构排序的实现方法
2021-11-26 09:06:48