torch.nn.conv *中的groups参数如何影响卷积过程？

Question

我想对具有相同单通道权重的多通道张量进行卷积。 我可以沿渠道维度重复权重，但我认为可能还有其他方法。

我认为groups参数可以完成这项工作。但是我不理解文档。 这就是为什么我要问groups参数如何影响卷积过程？

Answer 1

只是小技巧，因为我从未使用过。

Group参数乘以您通常拥有的内核数。 因此，如果将group = 2设置为2，则内核数量将增加2倍。

PyTorch状态组中conv2d的定义默认为1。

如果增加组，则会得到深度卷积，其中每个输入通道本身都会获得特定的内核。

输入通道和输出通道的限制都应按组号划分。

我认为您可以在Tensorfolow中阅读SeparableConv2D的文档，因为这与组> 1等效。