Machine learning 如何在caffe和torch中设置本地偏见？

将多通道图像卷积为一个通道图像时，通常只能有一个偏置变量（因为输出是一个通道）。如果我想设置局部偏差，也就是说，为输出图像的每个像素设置偏差，我应该如何在caffe和torch中做到这一点

在Tensorflow中，这非常简单。您只需设置一个偏差矩阵，例如：

数据为

25（高度）X25（宽度）X48（通道）

权重为

3X3（内核大小）X48（输入通道）X1（输出通道）

偏差为

25X25

那么

hidden = tf.nn.conv2d(data, weights, [1, 1, 1, 1], padding='SAME')    
output = tf.relu(hidden+biases)

---

caffe或TORCH中是否有类似的解决方案？

对于caffe，这里有一个比例层柱：。缩放层只能提供一个可变偏差。 答案是偏置层。偏置层可以有一个权重矩阵，将其视为偏置

对于torch，torch有一个nn.Add（）层，与tensorflow的tf.Add（）函数类似，因此nn.Add（）层是解决方案

这些都得到了实际模型的验证

---

但是仍然非常感谢@Shai

你显然是对的

“Bias”

层是正确的选择。但是，如果您密切注意，

“缩放”

带有

bias\u term:true

的层具有内置的

“bias”

层，因此允许使用2D（“本地”）bias terms。