Python 具有不可训练预定义核的PyTorch卷积_Python_Deep Learning_Neural Network_Pytorch_Conv Neural Network

Python 具有不可训练预定义核的PyTorch卷积

python deep-learning neural-network pytorch

Python 具有不可训练预定义核的PyTorch卷积,python,deep-learning,neural-network,pytorch,conv-neural-network,Python,Deep Learning,Neural Network,Pytorch,Conv Neural Network,我想为我的神经网络引入一个自定义层。数学运算应该是具有不可训练内核的离散二维互相关（或卷积）。内核中的值取决于三个因素：内核形状、步长和填充。我打算将输出元素与权重矩阵相乘 PyTorch已经实现了一个称为“Conv2d”的离散2D互相关类，但是它生成一个随机内核，并使用所述内核的条目进行训练。如果可能的话，我希望有一个类似于“Conv2d”的类来满足我的需要，以确保最有效地使用我的GPU。我试着自己实现这一点，但不知道如何为输入数组获得正确的形状如果我理解正确，Conv2d“仅在通道中使用”。

我想为我的神经网络引入一个自定义层。数学运算应该是具有不可训练内核的离散二维互相关（或卷积）。内核中的值取决于三个因素：内核形状、步长和填充。我打算将输出元素与权重矩阵相乘

PyTorch已经实现了一个称为“Conv2d”的离散2D互相关类，但是它生成一个随机内核，并使用所述内核的条目进行训练。如果可能的话，我希望有一个类似于“Conv2d”的类来满足我的需要，以确保最有效地使用我的GPU。我试着自己实现这一点，但不知道如何为输入数组获得正确的形状如果我理解正确，Conv2d“仅在通道中使用”。

如果我理解正确，您需要一个定义了内核的

Conv2d

层，并且您不希望它是可学习的

在这种情况下，您可以像这样使用

conv2d

功能：

import torch.nn.功能为F
输出张量=F.conv2d（输入张量，您的内核，…）

参数

your_kernel

是权重矩阵，您还需要声明函数的其他参数，如

padding

和

stride

然后，您需要将

requires\u grad

属性设置为“False”，如果不希望它是可学习的，则将其从优化器中排除

关于形状问题，也许你想