torch.nn.Conv2d 为什么只定义卷积核的大小，而不定义卷积核的具体数值

• Z时代
• 2024-01-10
• 分类：技术分享

#输入通道是 3 ， 输出通道是 5 ， 卷积核大小是 3 * 3
x=torch.nn.Conv2d(in_channels=3,out_channels=4,kernel_size=3,groups=1)

为什么这一步只定义卷积核的大小，但是不定义具体的数值呢？

#创建一个输入：样本数 1 ，输入通道是 3 ，行数是 5 ， 列数也是5
input=torch.ones(1,3,5,5)

#将 x 作用于 输入上
out=x(input)

看了卷积的知识，卷积应该是 卷积核 与 输入参数 的对应位置 相乘，再相加的过程。
为什么pytorch 中不用定义卷积核的具体的数值呢，
没有具体值 要用什么数来相乘呢？

回答：

知道了 ，卷积核都是随机的，可以通过 list(x.parameters()) 来查看随机出来的值。

随机值的取值范围可以参考官方文档。
https://pytorch.apachecn.org/...

回答：

卷积核里面的参数，只是一开始是随机数，它本身是需要训练的权重值，只是一开始被初始化了为随机数，并不是一直都是随机数，它会随着网络的训练，逐渐发生变化，最后生成固定的权重值。

以上是 torch.nn.Conv2d 为什么只定义卷积核的大小，而不定义卷积核的具体数值 的全部内容， 来源链接： utcz.com/a/156628.html