PyTorch 的 conv1d 和 SciPy 的卷积的不同结果

Question

我正在构建一个 PyTorch 模型来估计 Impuse Responses。目前我正在计算真实和估计的脉冲响应的损失。我想将估计的和实际的脉冲响应与信号进行卷积，然后计算它们的损失。

pyroomaccoustics package uses SciPy's fftconvolve to convolve the impulse response with a given signal. I cannot use this since it would break PyTorch's computation graph. PyTorch's conv1d uses cross-correlation. From 好像可以通过翻转过滤器conv1d来进行卷积

我很困惑为什么下面的代码对 conv1d 和 convolve 给出了不同的结果，以及必须更改什么才能使输出相等。

import torch
from scipy.signal import convolve

a = torch.tensor([.1, .2, .3, .4, .5])
b = torch.tensor([.0, .1, .0])

a1 = a.view(1, 1, -1)
b1 = torch.flip(b, (0,)).view(1, 1, -1)


print(torch.nn.functional.conv1d(a1, b1).view(-1))
# >>> tensor([0.0200, 0.0300, 0.0400])

print(convolve(a, b))
# >>> [0.   0.01 0.02 0.03 0.04 0.05 0.  ]

Answer 1

看看scipy.signal.convolve的mode参数。使用 mode='valid' 来匹配 PyTorch 的 conv1d:

In [20]: from scipy.signal import convolve                                      

In [21]: a = np.array([.1, .2, .3, .4, .5])                                     

In [22]: b = np.array([.0, .1, .0])                                             

In [23]: convolve(a, b, mode='valid')                                           
Out[23]: array([0.02, 0.03, 0.04])

要修改 PyTorch 的 conv1d 调用以提供与 scipy.signal.convolve 默认行为相同的输出（即匹配 mode='full'），请设置 padding=2 在对 conv1d 的调用中。更一般地，对于给定的卷积核 b，将填充设置为 len(b) - 1.

Answer 2

完整、相同、在卷积中有效的附加示例图片 https://www.twblogs.net/a/5c8373f9bd9eee35fc13cb76

select [valid] 将匹配 torch.conv1d

PyTorch 的 conv1d 和 SciPy 的卷积的不同结果

Different results from PyTorch's conv1d and SciPy's convolve

python

scipy

pytorch

signal-processing

convolution