Pytorch中自定义神经网络卷积核权重（pytorch实现cnn卷积）

Pytorch中自定义神经网络卷积核权重（pytorch实现cnn卷积）

1. 自定义神经网络卷积核权重

神经网络被深度学习者深深喜爱，究其原因之一是神经网络的便利性，使用者只需要根据自己的需求像搭积木一样搭建神经网络框架即可，搭建过程中我们只需要考虑卷积核的尺寸，输入输出通道数，卷积方式等等。

我们使用惯了自带的参数后，当我们要自定义卷积核参数时，突然有种无从下手的感觉，哈哈哈哈哈哈哈哈~~，请允许我开心下，嘿嘿！因为笔者在初入神经网络时也遇到了同样的问题，当时踩了太多坑了，宝宝想哭(灬ꈍ ꈍ灬)！让我悲伤的是，找遍了各个资源区，也没有找到大家的分享。因此，我想把我的方法写出来，希望能帮助到各位宝宝，开心(*^▽^*)。

话不多说，正文开始......

2. 定义卷积核权重

我这里是自定义的dtt系数卷积核权重，直接上权重代码：

2.1 dtt系数权重Code

def dtt_matrix(n): 这个函数是n*n的DTT系数矩阵，笔者的是8*8的系数矩阵。

def dtt_kernel(out_channels, in_channels, kernel_size): 这个方法是设定权重，权重需要包括4个参数（输出通道数，输入通道数，卷积核高，卷积核宽），这里有很多细节要注意，宝宝们要亲自躺下坑，才能映像深刻也，我就不深究了哈，(#^.^#)。

2.2 'same'方式卷积

如果宝宝需要保持卷积前后的数据尺寸保持不变，即'same'方式卷积，那么你直接使用我这个卷积核（提一下哟，这个我也是借自某位前辈的，我当时没备注哇，先在这里感谢那位前辈，前辈如果路过，还请留言小生哈，(#^.^#)）。

2.3 将权重赋给卷积核

此处才是宝宝们最关心的吧，不慌，这就来了哈，开心(*^▽^*)，进入正文了(#^.^#)。

这里给了一个简单的网络模型（一个固定卷积+3个全连接，全连接是1*1的Conv2d），代码里我给了注释，宝宝们应该能秒懂滴，(*^▽^*)！

2.4 补充我的util类

3. 总结

哇哦，写完了耶，不晓得宝宝们有没得收获呢，o((-﹏-))o，o((-﹏-))o。大家不懂的可以再下面留言哟，我会时常关注我家的园子呢。若有不足之处，宝宝们也在留言区吱我一下哟，我们下次再见，┏(＾0＾)┛┏(＾0＾)┛。

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。