如何在mxnet中使用像torch.nn.functional.conv2d()这样的函数？

Question

我想用输入数据和内核做一些卷积计算。
在火炬中，我可以写一个函数：

import torch
def torch_conv_func(x, num_groups):
    batch_size, num_channels, height, width = x.size()
    conv_kernel = torch.ones(num_channels, num_channels, 1, 1)
    
    return torch.nn.functional.conv2d(x, conv_kernel)

它工作得很好，现在我需要在 MXnet 中重建，所以我这样写：


from mxnet import nd
from mxnet.gluon import nn

def mxnet_conv_func(x, num_groups):
    batch_size, num_channels, height, width = x.shape
    conv_kernel = nd.ones((num_channels, num_channels, 1, 1))

    return nd.Convolution(x, conv_kernel)

我得到了错误

mxnet.base.MXNetError: Required parameter kernel of Shape(tuple) is not presented, in operator Convolution(name="")

如何解决？

Answer 1

您缺少 mxnet.nd.Convolution 的一些额外参数。你可以这样做：

from mxnet import nd

def mxnet_convolve(x):
    B, C, H, W = x.shape
    weight = nd.ones((C, C, 1, 1))
    return nd.Convolution(x, weight, no_bias=True, kernel=(1,1), num_filter=C)

x = nd.ones((16, 3, 32, 32))
mxnet_convolve(x)

由于您没有使用偏差，因此需要将 no_bias 设置为 True。此外，mxnet 要求您使用 kernel 和 num_filter 参数指定内核维度。

如何在mxnet中使用像torch.nn.functional.conv2d()这样的函数？

How to use the func like torch.nn.functional.conv2d() in mxnet?

python

deep-learning

mxnet

pytorch