Question

我正在尝试通过PyTorch的2D卷积验证以下结果：

输入矩阵：X（10、10、3）[虚拟numpy图片]
权重矩阵：W（3、3、3）[要测试的我的转化过滤器]
输出矩阵：Y（10，10，1）

我有以下代码，但是我无法正确分配权重并正确运行模型。我在这里做错什么了吗？

import torch
import torch.nn as nn
import torchvision.transforms
import numpy as np

# Convert image to tensor
image2tensor = torchvision.transforms.ToTensor()

class ConvNet(nn.Module):
    def __init__(self, num_classes=10):
        super(ConvNet, self).__init__()
        # Test layer
        self.layer1 = nn.Conv2d(3, 1, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))

    def forward(self, x):
        out = self.layer1(x)
        return out

# Test image
image = np.ones((10, 10, 3))
tensor = image2tensor(image).unsqueeze(0)

# Create new model
conv = ConvNet()

# Assign test weight - NOT WORKING!!
weight = torch.nn.Parameter(torch.ones(3, 3, 3))
conv.layer1.weight.data = weight

# Run the model
output = conv(tensor)

Answer 1

下次，请发布您相应的错误消息。事实证明，矩阵尺寸还必须与批次大小匹配（即需要额外的第四维）：因此，您正在使用错误的参数初始化权重矩阵。

正确的是这个：

weight = torch.nn.Parameter(torch.ones(1, 3, 3, 3))

此外，对于我的PyTorch（0.4.1）版本，我不得不手动将张量再次强制转换为float，因为否则会引发其他错误。避免这样做：

tensor = image2tensor(image).unsqueeze(0).float() # note the additional .float()

然后它为我成功运行。

PyTorch中的图像世界Hello World卷积

1 个答案: