Deep learning CNN中卷积层的初始化

是否有一个函数来初始化卷积层的权重，以便将更多的注意力集中在更靠近输入图像中心的信息上

---

我所有的输入图像都居中，因此距离图像中心较远的像素比距离图像中心较近的像素更重要。

有关卷积的演示，请参见此处的GIF：

如您所见，卷积的操作与图像中的位置无关，因此权重初始化无法更改图像的焦点

也不建议仓促地考虑网络将需要什么和不需要什么来学习你的任务。有时候，在你作为一个人可能关注的范围之外，会有惊人数量的信号。我建议训练网，看看它的表现如何，然后（正如其他人所建议的）考虑裁剪

是否有一个函数来初始化卷积层的权重，以便将更多的注意力集中在更靠近输入图像中心的信息上

这是不可能的，因为初始化只是为了触发学习过程。 然而，模型是一个可以发挥功能，实现注意力的模型

---

您不需要初始化转换层，因为在PyTorch中，这已经完成了。

为什么不适当地裁剪图像（例如，torchvision的

中心裁剪

）？卷积不是这样工作的，它是一个滑动窗口，收集图像中的局部模式。不能通过初始化内核来提高图像中心的重要性。卷积层是平移不变的，因此没有任何初始化方案可以实现这一点。