代码之家 › 专栏 › 技术社区 › Benedict K.

组合神经网络

convolution pytorch computer-vision neural-network machine-learning

Benedict K. · 技术社区 · 6 年前

我有 2张图片 x1型 和 x2个 试着用卷积作为 相似性度量 . 其思想是,学习的权重取代更传统的相似性度量(互相关,神经网络,…)。定义我的转发函数如下:

def forward(self,x1,x2):
    out_conv1a = self.conv1(x1)
    out_conv2a = self.conv2(out_conv1a)
    out_conv3a = self.conv3(out_conv2a)

    out_conv1b = self.conv1(x2)
    out_conv2b = self.conv2(out_conv1b)
    out_conv3b = self.conv3(out_conv2b)

对于相似性度量:

out_cat = torch.cat([out_conv3a, out_conv3b],dim=1)
futher_conv = nn.Conv2d(out_cat)

1) 会像google中那样进行深度/可分离的卷积 paper 产生任何优势超过二维卷积的级联输入。因为卷积可以作为相似性度量,所以互相关和卷积是非常相似的。

here .

1 回复 | 直到 6 年前

Shai 6 年前

nn.Conv2d 层假设权重是可训练的参数。但是,如果要用一个要素图过滤另一个要素图,可以深入研究并使用 torch.nn.functional.conv2d

out = torch.nn.functional.conv2d(out_conv3a, out_conv3b)

推荐文章

Pierre Baret · 优化的图像卷积算法

6 年前

sujay · 为什么卷积神经网络核大小通常被选为平方矩阵

6 年前

Sakhri Houssem · 我们如何计算卷积输出的深度?

7 年前

Brad Solomon · scipy。信号卷积给出的结果与卷积积分的手动计算不同

7 年前

Aurélien Pierre · pyFFTW中的卷积不同于scipy

7 年前

boltthrower · 在用于图像分类的PyTorch中计算Conv2d的输入和输出大小

7 年前

Iter Ator · 如何在Tensorflow中使用conv1d\u转置?

7 年前

tombuben · Python图像卷积与numpy切片在某些图像上产生奇怪的结果

7 年前

Yes92 · 卷积后的LSTM单元

7 年前

Devin Haslam · 张量流中不同步长的级联卷积

7 年前