Установка собственного ядра для CNN в pytorch

Question

Есть ли способ указать наши собственные значения ядра для сверточной нейронной сети в pytorch?Что-то вроде kernel_initialiser в тензорном потоке?Например.Я хочу ядро ​​3x3 в nn.Conv2d с инициализацией, чтобы оно действовало как ядро ​​идентификации -

0 0 0
0 1 0
0 0 0

(это будетэффективно вернуть тот же результат, что и мои данные в самой первой итерации)

Мое неисчерпывающее исследование по этой теме -

Я мог бы использовать nn.init , но это толькоимеет некоторые предопределенные значения инициализации ядра.

Я пытался следить за обсуждением в их официальной ветке , но это не соответствует моим потребностям.

Возможно, я пропустилЧто-то в моем исследовании, пожалуйста, не стесняйтесь указывать.

Answer 1

Я думаю, что более простое решение:

    deconv = nn.ConvTranspose2d(
        in_channels=channel_dim, out_channels=channel_dim,
        kernel_size=kernel_size, stride=stride,
        bias=False, padding=1, output_padding=1
    )
    deconv.weight.data.copy_(
        get_upsampling_weight(channel_dim, channel_dim, kernel_size)
    )

другими словами, используйте copy_

Answer 2

Благодаря ptrblck я смог ее решить.Я могу определить новый слой свертки как conv и в соответствии с примером я могу установить ядро ​​идентификации, используя -

weights = ch.Tensor([[0, 0, 0], [0, 1, 0], [0, 0, 0]]).unsqueeze(0).unsqueeze(0)
weights.requires_grad = True


conv = nn.Conv2d(1, 1, kernel_size=3, stride=1, padding=1, bias=False)

with ch.no_grad():
    conv.weight = nn.Parameter(weights)

. Затем я смогу продолжать использовать conv в качестве моего обычного слоя nn.Conv2d.