带有权重的pytorch conv2d

【问题标题】：pytorch conv2d with weights带有权重的pytorch conv2d
【发布时间】：2021-01-08 14:52:50
【问题描述】：

我有这两个变量：

result- tensor 1 X 251 X 20
kernel - tensor 1 X 10 X 10

当我运行命令时：

from torch.nn import functional as F
result = F.conv2d(result, kernel)

我得到错误：

RuntimeError: expected stride to be a single integer value or a list of 1 values to match the convolution dimensions, but got stride=[1, 1]

我没有大步向前，我做错了什么？

【问题讨论】：

Conv2d 表示 4D 数据 (B*C*H*W) 和 4D 内核权重。你的好像错了。
我将数据大小固定为 1 X 1 X 251 X 20，但仍然出现步幅错误。看起来它与权重有关，而不是数据
数据和权重都需要有4个维度。对于权重，它类似于（输入通道，输出通道，h，w）

标签： pytorch conv-neural-network convolution

【解决方案1】：

import torch
import torch.nn.functional as F
image = torch.rand(16, 3, 32, 32)
filter = torch.rand(1, 3, 5, 5)
out_feat_F = F.conv2d(image, filter,stride=1, padding=0)
print(out_feat_F.shape)

输出：

torch.Size([16, 1, 28, 28])

相当于：

import torch
import torch.nn
image = torch.rand(16, 3, 32, 32)
conv_filter = torch.nn.Conv2d(in_channels=3, out_channels=1, kernel_size=5, stride=1, padding=0)
output_feature = conv_filter(image)
print(output_feature.shape)

输出：

torch.Size([16, 1, 28, 28])

Padding 默认为 0，stride 默认为 1。第一个示例中的过滤器最后两个维度对应于第二个例子中的内核大小。

kernel_size=5 与kernel_size=(5,5) 相同。

【讨论】：