如何使用 Pytorch 为 GAN 训练体积（3D 张量）？答案

【问题标题】：How to train a volume (3D tensor) with Pytorch for a GAN?如何使用 Pytorch 为 GAN 训练体积（3D 张量）？
【发布时间】：2023-01-28 00:36:48
【问题描述】：

晚上好！

对于背景：对于大学，我正在尝试重现 CryoGAN 网络（带有 GAN 的 CryoEM）。目标是重现蛋白质的 3D 结构；给定的数据是真实蛋白质的投影图像。对于 CryoGAN，生成器本身并不包含神经网络，而是由一个体积（用于蛋白质）和一个物理模拟器组成，后者创建 3d 体积的 2D 投影。物理模拟器是一个工作程序，所以我唯一想训练的是体积本身。该体积是 128x128x128 体素的 3D 张量。

我的想法是，为体积创建一个张量，并将其用作学习的参数。代码运行通过，但音量不更新:( 你碰巧有什么想法吗？我在下面附加了相关行。提前致谢！

class Generator(nn.Module):
   def __init__(self):
        super().__init__()
        self.gen = nn.Parameter(torch.rand(128, 128, 128))

    def forward(self, x):
        return self.gen(x)


gen = Generator(projection_pixels)


opt_gen = optim.Adam(gen.parameters(), lr=lr)
loss_criterion = nn.BCELoss()



#...feeding discriminator with projections from fake and real protein, calculating loss for generator



gen.zero_grad()
lossG.backward()
opt_gen.step()

我已经尝试将卷的初始化更改为 self.gen = nn.Parameter(torch.FloatTensor(128,128,128).uniform_()) 但这并没有改变任何事情。

【问题讨论】：

标签： pytorch generative-adversarial-network

【解决方案1】：

我也在尝试完成与您类似的事情，我正在尝试在 3D 原理图数据上使用变压器，从那以后您运气好吗？

【讨论】：

活力四射，请勿添加我也是作为答案。它实际上并没有提供问题的答案。如果您有不同但相关的问题，请ask它（如果它有助于提供上下文，请参考此问题）。如果你对这个具体问题感兴趣，你可以upvote它，留下comment，或者一旦你有足够的reputation就开始bounty。