Question

PyTorch提供了功能性的2D卷积操作torch.nn.functional.conv2d，该操作可以接受输入和权重参数（https://pytorch.org/docs/stable/nn.html#conv2d）。

我想进行自卷积，这意味着给定张量X。我想计算：

conv2d(X, X)

但是，过滤器的形状应为[out_ch, in_channel/groups, kernel_size, kernel_size]形式。

假设X的格式为[32, 3, 16, 16,]，我试图置换X以尝试匹配权重参数的预期形式，例如：

W = X.permute(1, 0, 2, 3) # 3, 32, 16, 16 
conv2d(X, W)

但这自32 != in_channel/groups == 3 / 1 == 3

起不起作用

完整的操作本质上是这样的（以查看尺寸要求）：

X + conv2d(X, X)

是否可以使用PyTorch做到这一点？

诸如SciPy之类的其他软件包提供了convolve2d操作（https://docs.scipy.org/doc/scipy/reference/generated/scipy.signal.convolve2d.html），但仅支持2D数组，并且似乎可以完成我上面想要的操作，但不支持批处理和通道