Pytorch 'Tensor' объект не вызывается - PullRequest
Новая
       78

Pytorch 'Tensor' объект не вызывается

0 голосов
/ 05 апреля 2020

Я пытаюсь применить фильтр sobel к моей сети. Я получаю эту ошибку: " Объект 'Tensor' не может быть вызван " Вот мой код: 

class SobelFilter(nn.Module):
    def __init__(self):
        super(SobelFilter, self).__init__()

        kernel1=torch.Tensor([[1, 0, -1],[2,0,-2],[1,0,-1]])
        kernela=kernel1.expand((1,1,3,3))

        kernel2=torch.Tensor([[1, 2, 1],[0,0,0],[-1,-2,-1]])
        kernelb=kernel2.expand((1,1,3,3))

        inputs = torch.randn(1,1,64,128)

        self.conv1 = F.conv2d(inputs,kernela,stride=1,padding=1)
        self.conv2 = F.conv2d(inputs,kernelb,stride=1,padding=1)

    def forward(self, x ):

        print(x.shape)
        G_x = self.conv1(x)    %GIVES ERROR AT THIS LINE
        G_y = self.conv2(x)
        out = torch.sqrt(torch.pow(G_x,2)+ torch.pow(G_y,2))

        return out

class EXP(nn.Module):
    def __init__(self, maxdisp):
        super(EXP, self).__init__()
        self.device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
        self.SobelFilter = SobelFilter()

    def forward(self, im):
        % just think "im" to be [1,32,64,128]

        for i in range(im.shape[1]):
            out1= im[:,i,:,:].unsqueeze(1)
            im[:,i,:,:] = self.SobelFilter(out1)

, что может вызвать проблему? Спасибо!

1 Ответ

1 голос
/ 05 апреля 2020

Я думаю, что ваша проблема в том, что вы используете torch.nn.functional вместо torch. Целью функционального API является выполнение операций (в данном случае conv2d) напрямую, без создания экземпляра класса и последующего вызова его метода forward. Следовательно, утверждение self.conv1 = F.conv2d(inputs,kernela,stride=1,padding=1) уже выполняет свертку между input и kernela, и то, что у вас есть в self.conv1, является результатом такой свертки. Здесь есть два подхода для решения проблемы. Используйте torch.Conv2d внутри __init__, где inputs - это канал входа, а не тензор с той же формой, что и ваш реальный вход. И второй подход - придерживаться функционального API, но перенести его на метод forward(). То, чего вы хотите достичь, можно сделать, изменив форвард на: 

def forward(self, x ):
  print(x.shape)
  G_x = F.conv2d(x,self.kernela,stride=1,padding=1)
  G_y = F.conv2d(x,self.kernelb,stride=1,padding=1)
  out = torch.sqrt(torch.pow(G_x,2)+ torch.pow(G_y,2))
  return out

Обратите внимание, что я создал kernela и kernelb атрибуты класса. Таким образом, вы также должны изменить __init__() на 

def __init__(self):
  super(SobelFilter, self).__init__()

  kernel1=torch.Tensor([[1, 0, -1],[2,0,-2],[1,0,-1]])
  self.kernela=kernel1.expand((1,1,3,3))

  kernel2=torch.Tensor([[1, 2, 1],[0,0,0],[-1,-2,-1]])
  self.kernelb=kernel2.expand((1,1,3,3))
...