我可以在同一层添加自定义过滤器和pytorch中的随机过滤器吗
我可以在同一层添加自定义过滤器和pytorch中的随机过滤器吗
提问于 2021-10-11 07:05:26
我的意思是，除了像这样的东西：
def __init__(self):
super(Net, self).__init__()
self.conv1 = nn.Conv2d(1, 10, 3)您可以使用常量过滤器，如filter_vals = np.array([[-1, -1, 1], [-1, -1, 1], [-1, -1, 1]])
在同一层。
回答 2
Stack Overflow用户
发布于 2021-10-11 07:51:43
我想，你希望随机参数是可学习的(requires_grad)，而固定参数是不可学习的。我不认为它应该在一个conv中完成，而应该是两个，然后是连接，例如：
conv1 = nn.Conv2d(1, 6, 3)
conv2 = nn.Conv2d(1, 4, 3)
conv2.weight = ...
y1 = conv1(x)
with torch.no_grad():
y2 = conv2(x)
y = torch.cat( (y1,y2), dim=3 )Stack Overflow用户
发布于 2021-10-11 08:00:36
假设您要寻找的是用filter_vals中定义的权重替换卷积层的权重，您可以首先将其扩展到滤波器的数量，这里是10，然后替换conv1的权重
>>> conv1.weight.data = torch.from_numpy(filter_vals).expand_as(conv1.weight) 页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/69528452
复制相关文章
相似问题
腾讯云开发者
