pytorch 修改卷积核的权重weights、偏置bias

冬日and暖阳

已于 2022-03-15 11:03:39 修改

阅读量1w

点赞数 11

分类专栏： pytorch 文章标签： pytorch 深度学习 python

于 2022-03-15 11:02:33 首次发布

本文链接：https://blog.csdn.net/qq_29007291/article/details/123497114

版权

pytorch 专栏收录该内容

32 篇文章 1 订阅

订阅专栏

本文介绍了如何在PyTorch中创建并修改卷积神经网络（Conv2d）的卷积核权重。通过示例展示了如何使用torch.rand生成随机卷积核，并将其赋值给nn.Conv2d模块的weight属性，从而实现卷积核权重的自定义。需要注意的是，conv.weight是一个Parameter对象，需要通过conv.weight.data来访问和修改实际的Tensor。

摘要由CSDN通过智能技术生成

生成卷积核以后如何去自定义修改卷积核的权重呢？

kernel_data = torch.rand(1,1,3,3)
print(kernel_data )
conv = nn.Conv2d(in_channels=1, out_channels=1, kernel_size=(3,3),stride=1, padding=1, padding_mode='zeros', bias=False)
print(conv.weight.data)
conv.weight = nn.Parameter(kernel_data)
print(conv.weight.data)

三个输出分别如下

# kernerl data
tensor([[[[0.6293, 0.9107, 0.7624],
          [0.0922, 0.8235, 0.8948],
          [0.1554, 0.2220, 0.1744]]]])
# 初始化的卷积核权重
tensor([[[[ 0.2976,  0.1347, -0.1313],
          [ 0.2648, -0.1767,  0.2317],
          [-0.1537,  0.1266,  0.0860]]]])
# 修改过后的卷积核权重
tensor([[[[0.6293, 0.9107, 0.7624],
          [0.0922, 0.8235, 0.8948],
          [0.1554, 0.2220, 0.1744]]]])