1回答
使用固定权重构建卷积层很简单，只需将权重内核传递给conv2d()即可。并且可以方便地加载预先训练好的模型，如VGG19。但我发现使用pytorch不是这样的，因为conv2d()不接受显式的内核，而是接受内核大小。所以我想知道，我们是否可以通过简单地将权重传递给像conv2d()这样的方法来重用VGG19中的权重。
浏览 4提问于2017-09-18得票数 1
由于某些原因，我似乎不能在PyTorch中分配Conv2d层的所有权重-我必须分两步完成。有人能帮我纠正我做错了什么吗？in_channels=1, out_channels=2, kernel_size=(2,2), stride=(2,2)) [-0.3436, -0.0754]]],
[-
浏览 21提问于2021-04-09得票数 3
我基本上用PyTorch定义了一个带有Conv2D和线性层的模型，并用一个样本数据集对其进行了训练。该模型似乎运行并收敛。但我想知道我没有显式初始化模型层权重(normal或Xavier)。这是否意味着当我在每个时期训练之前调用model.train()时，层权重将在默认情况下随机初始化？如果是这样，我如何显式地更改初始化的类型？
浏览 2提问于2021-01-07得票数 1
当我注意到tensorflow和pytorch对于2d cnns有不同的大小权重张量时，我正在将tensorflow v1.13编写的旧项目转换到pytorch v1.4.0。v in tf.trainable_variables()}
print(sess.run(vars['cnn_2/kernel:0']).shape) 结果 (3, 3, 1, 32) 这是我的pytorchpytorch模型不起作用，所以我
浏览 14提问于2020-04-14得票数 0
我正在做一个项目，我指的是一个已经在Pytorch中建立的网络。它的一个层有conv2d层，其中group =某个值。当我在Tensorflow中构建项目时。考虑到我在tensorflow的conv2d层中没有找到任何组参数，我该如何处理这个特定的层呢？我在网上搜索，但找不到任何具体的东西，比如小组所说的是每个通道的卷积。我找到的最接近的东西是tf.nn.separable_con
浏览 56提问于2019-06-22得票数 2
我想知道如何在默认情况下初始化层权重和偏差？例如，如果我创建线性层torch.nn.Linear(5,100)，该层的权重和偏差是如何默认初始化的？
浏览 0提问于2018-01-31得票数 8
1回答
我试图将从Tensorflow模型中保存的权重导入到PyTorch中。到目前为止，结果非常相似。当模型要求使用conv2d和stride=2时，我遇到了一个麻烦。为了验证失配，我在TF和PyTorch之间建立了一个非常简单的比较。首先，我将conv2d与stride=1进行比较。：当我将stride更改为2时，结果开始发生变化。因此，在我的示例中，零被
浏览 4提问于2018-10-24得票数 10
回答已采纳
我想将一个PyTorch模型“转换”到另一个框架(非tf/keras)。
我正在尝试使用py手电模型，并将转换自动化到另一个框架，该框架包含类似类型的层(如conv2d、稠密层、.)。(到目前为止，权重并不重要)
浏览 4提问于2022-02-09得票数 1
回答已采纳
我试着把预先训练过的BN重量从一个pytorch模型复制到它的等价Keras模型，但是我总是得到不同的输出。我读过Keras和Pytorch BN文档，我认为区别在于它们计算“平均值”和"var“的方式。
因此，他们平均超过样本。喀拉斯：
轴:整数，应该标准化的轴(通常是特征轴)。例如，在Conv2D层之后使用data_format="cha
浏览 0提问于2019-02-12得票数 3
1回答
我有以下两个变量： result- tensor 1 X 251 X 20result = F.conv2d(result, kernel) 我得到了错误： RuntimeError: expected stride to be a single integer value or a list of 1 values to match the convolution dimensions, but got stride=[1, 1] 我没有迈
浏览 228提问于2020-09-22得票数 1
回答已采纳
对于从PyTorch转换而来的原始pytorch和onnx模型，softmax函数之前的输出和概率类似。但是通过教程文档从PyTorch转换而来的coreML模型的输出是完全不正确的。检查coreML和Pytorch最后一层的权重似乎是相同的。在softmax之前，coreML模型的输出是{'classLabel'：'_xx'
浏览 75提问于2020-10-25得票数 0
1回答
我想在我的神经网络中引入一个自定义的层。数学运算应该是具有不可训练核的离散2D互相关(或卷积)。内核中的值取决于三件事:内核形状、步幅和填充。我打算将输出逐个元素与一个权重矩阵相乘。PyTorch已经实现了一个称为'Conv2d‘的离散2D互相关类，但是它生成一个随机核，并使用所述核的条目进行训练。如果可能的话，我想要一个类似于'Conv2d‘的类来做我需要的事
浏览 0提问于2020-06-04得票数 2
padding=1)
output2 = m2(input)
torch.equal(output, output2) >> False 我认为上面的m和m2 Conv2d应该有完全相同的输出值，但实际上不是，原因是什么？
浏览 37提问于2021-07-25得票数 2
回答已采纳
如何在PyTorch中检查某些权重在训练过程中是否未更改？
据我所知，一种选择是在某些时期丢弃模型权重，并检查它们是否在权重上迭代更改，但也许还有更简单的方法？
浏览 3提问于2020-09-19得票数 3
3回答
我正在尝试将模型从PyTorch转换为Keras，并尝试设置Keras模型的权重，但似乎没有设置这些权重。注意:我实际上并不是在用np.ones进行设置，只是举个例子而已。keras_layer = [layer for layer in model.layers if layer.name=='conv2d_1'][0]K.batch_get_value([weight for we
浏览 1提问于2017-11-08得票数 31
回答已采纳
我正在尝试学习一个接受3个通道并输出3个通道的3x3 conv2d层的权重。在本讨论中，请考虑每种情况下的bias=0。但是，conv层的权重是间接学习的。我有一个2层的多层感知，第一层有9个节点，第二层有9个节点。2d卷积层的权重则精确地是使用该MLP学习的权重，即nn.Linear(9,9)。但是如何准确地从MLP中提取权重并将其用于卷积还不
浏览 43提问于2021-02-07得票数 0
我有一个模型保存在.pb文件中，它工作得很好，但当我使用tflite_convert或python api命令将其转换为tflite模型时，结果是错误的。我发现权重在转换后发生了变化。.pb文件中第一卷积层的权重如下：(3, 3, 1, 8)[[[[-0.09953183 0.11656161 0.1101007 -0.02618909 -0.00533756 -0.06285968 -0.12631118 0.09094885
-0.09658462 -0.0498
浏览 9提问于2019-01-28得票数 2
在哪里可以找到pytorch函数conv2d的源代码？这里：
return F.conv2d(F.pad(input, expanded_padding, mode='circular&#x
浏览 125提问于2019-12-01得票数 13
回答已采纳
1回答
我有一个简单的卷积网络： import torch.nn as nn
def __init__(self, ks=1): x = self.fc2(x)
cnn = model(1) 由于内核大小为1，输出通道为32，因此我假设这一层中应该有32*1*1权重但是，当我向pytorch询问权重矩阵cnn.conv1.weight.shape的形状时，它
浏览 33提问于2020-06-26得票数 1
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
