pytorch中構建卷積層一般使用nn.Conv2d方法，有些情況下我們需要自定義卷積核的權值weight，而nn.Conv2d中的卷積參數是不允許自定義的，此時可以使用torch.nn.functional.conv2d簡稱F.conv2d

torch.nn.functional.conv2d(input, weight, bias=None, stride=1, padding=0, dilation=1, groups=1)

F.conv2d可以自己輸入且也必須要求自己輸入卷積權值weight和偏置bias。因此，構建自己想要的卷積核參數，再輸入F.conv2d即可。下面是一個用F.conv2d構建卷積層的例子，這里為了網絡模型需要寫成了一個類：

class CNN(nn.Module):def __init__(self):super(CNN, self).__init__()self.weight = nn.Parameter(torch.randn(16, 1, 5, 5)) # 自定義的權值self.bias = nn.Parameter(torch.randn(16)) # 自定義的偏置def forward(self, x):x = x.view(x.size(0), -1)out = F.conv2d(x, self.weight, self.bias, stride=1, padding=0)return out

值得注意的是，pytorch中各層需要訓練的權重的數據類型設為nn.Parameter，而不是Tensor或者Variable。parameter的require_grad默認設置為true，而Varaible默認設置為False。

創作挑戰賽新人創作獎勵來咯，堅持創作打卡瓜分現金大獎

總結

以上是生活随笔為你收集整理的pytorch自定义卷积核权值参数的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。