对Pytorch中的每个通道应用2D卷积内核？

我有一个大小为[3,3]的二维核和一个大小为[B，64，H，W]的张量

我的问题是，如何将相同的2D内核应用于每个输入通道？我应该重塑/重复内核吗？我尝试按如下方式重复我的内核：

kernel = kernel.repeat((B, 64, 1, 1))

---

但当我应用它时，张量大小会变为[1,64,H,1]。

一种方法是使用分组卷积，每个输入通道一个组

直接使用示例

#假设kernel.shape==[3,3]和x.shape==[B,64,H,W]
权重=内核[None，None，…]。重复（64,1,1,1）
y=nn.functional.conv2d（x，权重，组=64）

或使用

conv=nn.Conv2d（64,64,3，组=64，偏差=False）
conv.weight.data=kernel[None，None，…]。重复（64,1,1,1）
y=conv（x）

---

当然，您也可以通过包含这些参数来指定任何填充、跨步或扩展。

一种方法是使用分组卷积，每个输入通道一组

直接使用示例

#假设kernel.shape==[3,3]和x.shape==[B,64,H,W]
权重=内核[None，None，…]。重复（64,1,1,1）
y=nn.functional.conv2d（x，权重，组=64）

或使用

conv=nn.Conv2d（64,64,3，组=64，偏差=False）
conv.weight.data=kernel[None，None，…]。重复（64,1,1,1）
y=conv（x）

当然，您也可以通过包含这些参数来指定所需的任何填充、跨步或扩展