我想向我的神经网络引入一个自定义层。数学操作应该是使用非可训练内核的离散2D交叉相关(或卷积)。内核中的值取决于三个方面:内核形状、步幅和填充。我打算对输出进行逐元素乘以权重矩阵。
PyTorch已经实现了一个名为“Conv2d”的离散2D交叉相关类,但是它生成一个随机内核并使用该内核的条目进行训练。如果可能,我希望有一个类似于“Conv2d”的类来实现我需要的功能,以确保最有效地使用我的GPU。我尝试自己实现这个过程,但无法找到正确的输入数组形状。“Conv2d”只使用“in_channels”,如果我理解正确的话。
PyTorch已经实现了一个名为“Conv2d”的离散2D交叉相关类,但是它生成一个随机内核并使用该内核的条目进行训练。如果可能,我希望有一个类似于“Conv2d”的类来实现我需要的功能,以确保最有效地使用我的GPU。我尝试自己实现这个过程,但无法找到正确的输入数组形状。“Conv2d”只使用“in_channels”,如果我理解正确的话。