一 卷积操作:在pytorch搭建起网络时,大家通常都使用已有的框架进行训练,在网络中使用最多就是卷积操作,最熟悉不过的就是
torch.nn.Conv2d(in_channels, out_channels..., kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True)
通过上面的输入发现想自定义自己的卷积核,比如高斯核,发现是行不通的...二 需要自己定义卷积核的目的:目前是需要通过一个VGG网络提取特征特后需要对其进行高斯卷积,卷积后再继续输入到网络中训练。
三 解决方案。...使用
torch.nn.functional.conv2d(input, weight, bias=None, stride=1, padding=0, dilation=1, groups=1)
这里注意下...torch.expand()向输入的维度前面进行扩充。