PyTorch 逐元素过滤层答案

【问题标题】：PyTorch element-wise filter layerPyTorch 逐元素过滤层
【发布时间】：2019-01-29 12:42:23
【问题描述】：

您好，我想添加逐元素乘法层以将输入复制到多通道，如图所示。（所以，输入大小 M x N 和乘法滤波器大小 M x N 是一样的），如图所示

我想为过滤器添加自定义初始化值，并且还希望它们在训练时获得梯度。但是，我在 PyTorch 中找不到元素过滤层。我能做到吗？还是在 PyTorch 中是不可能的？

【问题讨论】：

标签： python neural-network pytorch conv-neural-network

【解决方案1】：

在 pytorch 中，您始终可以通过使它们成为 nn.Module 的子类来实现自己的层。您还可以使用nn.Parameter 在您的层中拥有可训练的参数。
这种层的可能实现可能看起来像

import torch
from torch import nn

class TrainableEltwiseLayer(nn.Module)
  def __init__(self, n, h, w):
    super(TrainableEltwiseLayer, self).__init__()
    self.weights = nn.Parameter(torch.Tensor(1, n, h, w))  # define the trainable parameter

  def forward(self, x):
    # assuming x is of size b-1-h-w
    return x * self.weights  # element-wise multiplication

您仍然需要担心初始化权重。查看nn.init 初始化权重的方法。通常在训练之前和加载任何存储的模型之前初始化所有网络的权重（因此部分训练的模型可以覆盖随机初始化）。类似的东西

model = mymodel(*args, **kwargs)  # instantiate a model
for m in model.modules():
  if isinstance(m, nn.Conv2d):
     nn.init.normal_(m.weights.data)  # init for conv layers
  if isinstance(m, TrainableEltwiseLayer):
     nn.init.constant_(m.weights.data, 1)  # init your weights here...

【讨论】：