如何在 PyTorch conv2d 函数中使用组参数答案

【问题标题】：How to use groups parameter in PyTorch conv2d function如何在 PyTorch conv2d 函数中使用组参数
【发布时间】：2018-03-14 04:49:20
【问题描述】：

我正在尝试在 PyTorch 中计算每个通道的渐变图像。为此，我想在图像的每个通道上使用 Sobel 滤波器执行标准 2D 卷积。我正在为此使用torch.nn.functional.conv2d 函数

在下面的最小工作示例代码中，我收到一个错误：

import torch
import torch.nn.functional as F

filters = torch.autograd.Variable(torch.randn(1,1,3,3))
inputs = torch.autograd.Variable(torch.randn(1,3,10,10))
out = F.conv2d(inputs, filters, padding=1)

RuntimeError: Given groups=1, weight[1, 1, 3, 3], 所以预期 input[1, 3, 10, 10] 有 1 个通道，但有 3 个通道

这表明 groups 需要为 3。但是，当我创建 groups=3 时，我得到一个不同的错误：

import torch
import torch.nn.functional as F

filters = torch.autograd.Variable(torch.randn(1,1,3,3))
inputs = torch.autograd.Variable(torch.randn(1,3,10,10))
out = F.conv2d(inputs, filters, padding=1, groups=3)

RuntimeError：无效参数 4：超出范围 /usr/local/src/pytorch/torch/lib/TH/generic/THTensor.c:440

当我检查THTensor类中的那个代码sn-p时，它指的是一堆维度检查，但我不知道我哪里出错了。

这个错误是什么意思？如何使用此 conv2d 函数执行我想要的卷积？我相信我误解了groups 参数。

【问题讨论】：

标签： convolution pytorch

【解决方案1】：

如果您想应用每通道卷积，那么您的 out-channel 应该与您的 in-channel 相同。这是意料之中的，考虑到您的每个输入通道都会创建一个与之对应的单独输出通道。

简而言之，这将起作用

import torch
import torch.nn.functional as F

filters = torch.autograd.Variable(torch.randn(3,1,3,3))
inputs = torch.autograd.Variable(torch.randn(1,3,10,10))
out = F.conv2d(inputs, filters, padding=1, groups=3)

而大小为(2, 1, 3, 3) 或(1, 1, 3, 3) 的过滤器将不起作用。

此外，您还可以将out-channel 设为in-channel 的倍数。这适用于您希望为每个输入通道设置多个卷积滤波器的情况。

但是，这只有在它是倍数时才有意义。如果不是，那么 pytorch 会回退到最接近的倍数，这个数字小于您指定的数字。这再次是预期的行为。例如，大小为 (4, 1, 3, 3) 或 (5, 1, 3, 3) 的过滤器将产生大小为 3 的 out-channel。

【讨论】：