machine-learning - 为什么 torch.nn.Conv2d 在 '(n, n)' 和 'n' 参数之间有不同的结果？

Question

input = torch.randn(8, 3, 50, 100)

m = nn.Conv2d(3, 3, kernel_size=(3, 3), padding=(1, 1))
m2 = nn.Conv2d(3, 3, kernel_size=3, padding=1)

output = m(input)
output2 = m2(input)

torch.equal(output, output2) >> False

我想上面的 m 和 m2 Conv2d 应该有完全相同的输出值但实际上不是，这是什么原因？

Answer 1

你已经用相同的设置初始化了两个 nn.Conv2d，没错。然而，权重的初始化是随机完成的!这里有两个不同的层 m 和 m2。即 m.weight 和 m2.weigth 有不同的组件，同样适用于 m.bias 和 m2.bias .

获得相同结果的一种方法是复制模型的基础参数:

>>> m.weight = m2.weight
>>> m.bias = m2.bias

这当然会导致 torch.equal(m(input), m2(input)) 为 True。