代码之家 › 专栏 › 技术社区 › marcman

如何在PyTorch conv2d函数中使用groups参数

pytorch convolution

11

marcman · 技术社区 · 8 年前

torch.nn.functional.conv2d

在下面的最小工作示例代码中,我得到一个错误:

import torch
import torch.nn.functional as F

filters = torch.autograd.Variable(torch.randn(1,1,3,3))
inputs = torch.autograd.Variable(torch.randn(1,3,10,10))
out = F.conv2d(inputs, filters, padding=1)

输入[1,3,10,10]有1个通道,但得到了3个通道

这表明 groups 需要3岁。然而,当我 groups=3 ,我得到一个不同的错误:

import torch
import torch.nn.functional as F

filters = torch.autograd.Variable(torch.randn(1,1,3,3))
inputs = torch.autograd.Variable(torch.randn(1,3,10,10))
out = F.conv2d(inputs, filters, padding=1, groups=3)

运行时错误:参数4无效:超出范围

当我在THTensor类中检查代码片段时,它引用了一系列维度检查,但我不知道我哪里出错了。

这个错误意味着什么?我如何用这个执行我想要的卷积 conv2d 组 参数

1 回复 | 直到 8 年前

1

14

entrophy 8 年前

out-channel 应该与您的 in-channel

简而言之,这将奏效

import torch
import torch.nn.functional as F

filters = torch.autograd.Variable(torch.randn(3,1,3,3))
inputs = torch.autograd.Variable(torch.randn(1,3,10,10))
out = F.conv2d(inputs, filters, padding=1, groups=3)

鉴于,过滤器的尺寸 (2, 1, 3, 3) (1, 1, 3, 3)

此外,您还可以 输出通道 通道内 . 这适用于希望每个输入通道具有多个卷积滤波器的情况。

(4, 1, 3, 3) 或 (5, 1, 3, 3) ,将导致 输出通道 尺寸为3。