如何在 PyTorch conv2d 函数中批量使用组参数？答案

【问题标题】：How to use groups parameter in PyTorch conv2d function with batch?如何在 PyTorch conv2d 函数中批量使用组参数？
【发布时间】：2021-07-05 01:44:26
【问题描述】：

关注How to use groups parameter in PyTorch conv2d function中的问题

我可以知道输入批次大小是否= 4，对于每个批次它都有独立的过滤器来与之转换，我将代码修改如下，

import torch
import torch.nn.functional as F

filters = torch.autograd.Variable(torch.randn(3,4,3,3))
inputs = torch.autograd.Variable(torch.randn(4,3,10,10))
out = F.conv2d(inputs, filters, padding=1, groups=3)

我还有一个错误 RuntimeError: 给定组=3，大小为 [3, 4, 3, 3] 的权重，预期输入 [4, 3, 10, 10] 有 12 个通道，但有 3 个通道如何解决？

【问题讨论】：

标签： pytorch

【解决方案1】：

当您有 shape (3,4,3,3) 的过滤器时，预计通道数为 12

这应该可以工作

import torch
import torch.nn.functional as F
inputs = torch.autograd.Variable(torch.randn(3,12,10,10))
filters = torch.autograd.Variable(torch.randn(3,4,3,3))
out = F.conv2d(inputs, filters, padding=1, groups=3)

【讨论】：

假设我们有一个大小为 [4, 3, 10, 10] 的特征图 X 和大小为 [3, 4, 1, 1] 的单个内核。在进行香草卷积时，我们得到了大小为 [4, 1, 10, 10] 的特征图，而我正在寻找一种获得大小为 [4, 3, 10, 10] 的特征图的方法。我想使用 conv2d 进行元素乘法。
@IvanLeung 请在提问pytorch.org/docs/stable/nn.functional.html#conv2d 之前检查有关维度含义的文档，此外，对于元素乘法，您可能只需要简单的 * 或 torch.mul。请注意广播规则。 pytorch.org/docs/stable/notes/broadcasting.html
感谢您的回复。我知道 elementwise mul 可以通过 *.但是，snpe 平台不支持 * 功能。因此，我需要这些技巧来让它发挥作用。