所以我对PyTorch有this MNIST example。 我想用功能方法替换conv2d。但出现意外错误。
我将self.conv1 = nn.Conv2d(1, 32, 5, padding=2)替换为self.w_conv1 = Variable(torch.randn(1, 32, 5))
在转发方法中，我将x = F.max_pool2d(F.relu(self.conv1(x)), 2)替换为x = F.max_pool2d(F.relu(F.conv2d(x, self.w_conv1, padding=2),2))
然后它会给我一个错误：
Expected 4-dimensional input for 4-dimensional weight [1, 32, 5], but got input of size [50, 1, 28, 28] instead
之前的代码工作过，我认为我用它的功能等同替换了这个类。
答案 0 :(得分：0)
albanD回答了https://discuss.pytorch.org/t/pytorch-replace-torch-nn-conv2d-with-torch-nn-functional-conv2d/16596
中的问题您好，
错误信息不是很清楚我害怕因为它来自 深入C后端。这里的问题是，当你做一个 具有大小（批量，in_chan，宽度，高度）的2D图像上的卷积， 你想要一个大小的输出（批量，out_chan，宽度'，高度'）， 卷积的权重应该是（out_chan，in_chan， width_kern_size，height_kern_size），基本上当你使用内核时 Conv2d函数的大小为5，与内核相同 宽度为5，高度为5.因此你应该有self.w_conv1 = 变量（torch.randn（32,1,5,5））。有关详细信息，请参阅doc。