padding - PyTorch 中的自定义卷积核和环形卷积

Question

我想用 PyTorch 卷积做两件事，这在 documentation 中没有提到。或代码:

1. 我想创建一个具有固定内核的卷积，如下所示:

   000010000
   000010000
   100010001
   000010000
   000010000
   

   我猜水平方面就像膨胀，但垂直部分不同。我看到膨胀可以作为代码中的参数使用，但它必须是标量或单元素元组(不是每个维度一个元素)，所以我认为它不能完成我想要的操作。

2. 我希望我的卷积像环形线圈一样“环绕”，而不是使用填充。

   编辑添加:我看到有一个 open issue为此，它还提供了次优的 workaround 。所以，我想目前还没有“正确”的方法来做到这一点。

Answer 1

1. 与 torch.nn.conv2d() 不同(实例化自己的可训练内核)，torch.nn.functional.conv2d()将矩阵和内核作为参数，因此您可以将任何您想要的自定义内核传递给它。

2. 根据 @zou3519 的建议在 Github issue (链接到您自己提到的 issue)，您可以通过“在 nxn 网格中重复张量，然后裁剪出您需要的部分”来实现 2D 圆形填充。”:

def circular_pad_2d(x, pad=(1, 1)):
   # Snipped by @zou3519 (https://github.com/zou3519)
   return x.repeat(*x_shape[:2])[
        (x.shape[0]-pad[0]):(2*x.shape[0]+pad[0]), 
        (x.shape[1]-pad[1]):(2*x.shape[1]+pad[1])
   ]

# Example:
x = torch.tensor([[1,2,3],[4,5,6]])
y = circular_pad_2d(x, pad=(2, 3))
print(y)
#     1     2     3     1     2     3     1     2     3
#     4     5     6     4     5     6     4     5     6
#     1     2     3     1     2     3     1     2     3
#     4     5     6     4     5     6     4     5     6

<小时/>

(上一个) 在 torch.nn.function 模块中，torch.nn.functional.pad()可以作为参数mode=reflect，我相信这就是你想要的(？)。您可以在执行卷积之前使用此方法手动填充输入矩阵。 (注意:您还拥有专为通过反射进行固定 2D 填充而定制的 torch.nn.ReflectionPad2d 层)