Question

我想用PyTorch卷积做两件事，documentation或代码中没有提到：

我想用这样的固定内核创建一个卷积：
```
000010000
000010000
100010001
000010000
000010000
```
水平方面就像是膨胀，我想，但垂直部分是不同的。我看到扩张在代码中可用作参数，但它必须是标量或单元素元组（每个维度不是一个元素），所以我不认为它可以做我想要的。
我希望我的卷曲像环形一样“环绕”，而不是使用填充物。

编辑添加：我看到有一个open issue，这也提供了次优workaround。所以，我认为没有“正确”的方式来做到这一点。

Answer 1

与torch.nn.conv2d()（实例化自己的可训练内核）不同，torch.nn.functional.conv2d()将矩阵和内核作为参数，因此您可以将其传递给任何自定义内核。
正如@zou3519中Github issue所建议的那样（与您自己提及的issue相关联），您可以通过“重复”来实现自己的2D圆形填充在nxn网格中张紧，然后裁剪出你需要的部分。“：

def circular_pad_2d(x, pad=(1, 1)):
   # Snipped by @zou3519 (https://github.com/zou3519)
   return x.repeat(*x_shape[:2])[
        (x.shape[0]-pad[0]):(2*x.shape[0]+pad[0]), 
        (x.shape[1]-pad[1]):(2*x.shape[1]+pad[1])
   ]

# Example:
x = torch.tensor([[1,2,3],[4,5,6]])
y = circular_pad_2d(x, pad=(2, 3))
print(y)
#     1     2     3     1     2     3     1     2     3
#     4     5     6     4     5     6     4     5     6
#     1     2     3     1     2     3     1     2     3
#     4     5     6     4     5     6     4     5     6

（上一页） 在torch.nn.functional模块中，torch.nn.functional.pad()也可以作为参数mode=reflect，这就是您想要的我相信（？）。在执行卷积之前，您可以使用此方法手动填充输入矩阵。 （注意：您还有专为通过反射修复2D填充而定制的torch.nn.ReflectionPad2d图层）

PyTorch中的自定义卷积核和环形卷积

1 个答案: