Pytorch“张量”对象不可调用

Question

我正在尝试将 sobel 过滤器应用于我的网络。我收到此错误：“'Tensor' 对象不可调用” 这是我的代码：

class SobelFilter(nn.Module):
    def __init__(self):
        super(SobelFilter, self).__init__()

        kernel1=torch.Tensor([[1, 0, -1],[2,0,-2],[1,0,-1]])
        kernela=kernel1.expand((1,1,3,3))

        kernel2=torch.Tensor([[1, 2, 1],[0,0,0],[-1,-2,-1]])
        kernelb=kernel2.expand((1,1,3,3))

        inputs = torch.randn(1,1,64,128)

        self.conv1 = F.conv2d(inputs,kernela,stride=1,padding=1)
        self.conv2 = F.conv2d(inputs,kernelb,stride=1,padding=1)

    def forward(self, x ):

        print(x.shape)
        G_x = self.conv1(x)    %GIVES ERROR AT THIS LINE
        G_y = self.conv2(x)
        out = torch.sqrt(torch.pow(G_x,2)+ torch.pow(G_y,2))

        return out

class EXP(nn.Module):
    def __init__(self, maxdisp):
        super(EXP, self).__init__()
        self.device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
        self.SobelFilter = SobelFilter()

    def forward(self, im):
        % just think "im" to be [1,32,64,128]

        for i in range(im.shape[1]):
            out1= im[:,i,:,:].unsqueeze(1)
            im[:,i,:,:] = self.SobelFilter(out1)

什么会导致问题？ 谢谢！

Answer 1

我认为您的问题是您使用的是torch.nn.functional 而不仅仅是torch。 功能 API 的目的是直接执行操作（在本例中为 conv2d），无需创建类实例然后调用其 forward 方法。 因此，声明self.conv1 = F.conv2d(inputs,kernela,stride=1,padding=1) 已经在进行input 和kernela 之间的卷积，而self.conv1 中的内容就是这种卷积的结果。 这里有两种方法可以解决这个问题。在__init__ 中使用torch.Conv2d，其中inputs 是输入的通道，而不是与实际输入具有相同形状的张量。 第二种方法是坚持使用函数式 API，但将其移至 forward() 方法。你想要达到的目标可以通过将 forward 改为：

def forward(self, x ):
  print(x.shape)
  G_x = F.conv2d(x,self.kernela,stride=1,padding=1)
  G_y = F.conv2d(x,self.kernelb,stride=1,padding=1)
  out = torch.sqrt(torch.pow(G_x,2)+ torch.pow(G_y,2))
  return out

请注意，我创建了 kernela 和 kernelb 类属性。因此，您还应该将__init__() 更改为

def __init__(self):
  super(SobelFilter, self).__init__()

  kernel1=torch.Tensor([[1, 0, -1],[2,0,-2],[1,0,-1]])
  self.kernela=kernel1.expand((1,1,3,3))

  kernel2=torch.Tensor([[1, 2, 1],[0,0,0],[-1,-2,-1]])
  self.kernelb=kernel2.expand((1,1,3,3))