在 CNN 中初始化卷积层答案

【问题标题】：Initializing convolutional layers in CNN在 CNN 中初始化卷积层
【发布时间】：2019-07-05 19:37:00
【问题描述】：

是否有一个函数可以初始化卷积层的权重，以便更多地关注更接近输入图像中心的信息？

我的所有输入图像都居中，因此远离图像中心的像素比靠近中心的像素更重要。

【问题讨论】：

为什么不适当地裁剪图像（例如，torchvision 的CenterCrop）？卷积不是这样工作的，它是一个收集图像中局部模式的滑动窗口。您不能初始化内核以更加重视图像的中心。
卷积层是平移不变的，因此没有初始化方案可以实现这一点。

【解决方案1】：

请在此处查看 GIF 以了解卷积的演示：

如您所见，无论图像中的位置如何，卷积操作都是相同的，因此权重初始化不能改变图像的焦点。

也不建议急于思考网络将和不需要学习您的任务的内容。有时，在您作为人类可能关注的范围之外，还有大量令人惊讶的信号。我建议训练网络并查看其性能，然后（正如其他人建议的那样）考虑裁剪。

【讨论】：

【解决方案2】：

是否有一个函数可以初始化卷积层的权重，以便更多地关注更接近输入图像中心的信息？

这是不可能的，因为初始化只是为了触发学习过程。然而，模型是可以具有功能的，实现关注的。

你不需要初始化 conv。层也是因为在 PyTorch 中这已经完成automatically。

【讨论】：