对pytorch的函数中的group参数的作用介绍
1.当设置group=1时：
conv = nn.Conv2d(in_channels=6, out_channels=6, kernel_size=1, groups=1) conv.weight.data.size()
返回：
torch.Size([6, 6, 1, 1])
另一个例子：
conv = nn.Conv2d(in_channels=6, out_channels=3, kernel_size=1, groups=1) conv.weight.data.size()
返回：
torch.Size([3, 6, 1, 1])
可见第一个值为out_channels的大小，第二个值为in_channels的大小，后面两个值为kernel_size
2.当设置为group=2时
conv = nn.Conv2d(in_channels=6, out_channels=6, kernel_size=1, groups=2) conv.weight.data.size()
返回：
torch.Size([6, 3, 1, 1])
3.当设置group=3时
conv = nn.Conv2d(in_channels=6, out_channels=6, kernel_size=1, groups=3) conv.weight.data.size()
返回：
torch.Size([6, 2, 1, 1])
4.当设置group=4时
conv = nn.Conv2d(in_channels=6, out_channels=6, kernel_size=1, groups=4) conv.weight.data.size()
报错：
ValueError: in_channels must be divisible by groups
groups的值必须能整除in_channels
注意：
同样也要求groups的值必须能整除out_channels，举例：
conv = nn.Conv2d(in_channels=6, out_channels=3, kernel_size=1, groups=2) conv.weight.data.size()
否则会报错：
ValueError: out_channels must be divisible by groups
5.当设置group=in_channels时
conv = nn.Conv2d(in_channels=6, out_channels=6, kernel_size=1, groups=6) conv.weight.data.size()
返回：
torch.Size([6, 1, 1, 1])
所以当group=1时，该卷积层需要6*6*1*1=36个参数，即需要6个6*1*1的卷积核
计算时就是6*H_in*W_in的输入整个乘以一个6*1*1的卷积核，得到输出的一个channel的值,即1*H_out*W_out。这样经过6次与6个卷积核计算就能够得到6*H_out*W_out的结果了
如果将group=3时，卷积核大小为torch.Size([6, 2, 1, 1])，即6个2*1*1的卷积核，只需要需要6*2*1*1=12个参数
那么每组计算就只被in_channels/groups=2个channels的卷积核计算，当然这也会将输入分为三份大小为2*H_in*W_in的小输入，分别与2*1*1大小的卷积核进行三次运算，然后将得到的3个2*H_out*W_out的小输出concat起来得到最后的6*H_out*W_out输出
在实际实验中，同样的网络结构下，这种分组的卷积效果是好于未分组的卷积的效果的。
以上这篇对pytorch的函数中的group参数的作用介绍就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持脚本之家。
相关文章
Python文件简单操作及openpyxl操作excel文件详解
这篇文章主要为大家详细介绍了python对文件的简单使用及openpyxl操作excel文件的方法，文中的示例代码讲解详细，感兴趣的小伙伴可以了解一下2022-10-10
这篇文章主要为大家详细介绍了如何利用 Django 进行大型 CSV 文件的流传输,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下2024-01-01
这篇文章主要给大家介绍了关于pycharm安装教程,文中包括下载安装以及设置中文界面,PyCharm是一款Python IDE,其带有一整套可以帮助用户在使用Python语言开发时提高其效率的工具,需要的朋友可以参考下2023-10-10
这篇文章主要介绍了django数据模型（Model）的字段类型,文中给大家提到了django数据模型on_delete, db_constraint的使用,需要的朋友可以参考下2019-12-12
这篇文章主要介绍了Python使用Chartify库进行数据分析绘制,它提供了简洁易用的API,让我们能够快速地绘制出美观且专业的图表,无需像使用matplotlib和seaborn那样花费大量时间去调整各种复杂的参数,大大提高了数据可视化的效率,需要的朋友可以参考下2025-04-04
同步和异步关注的是消息通信机制,下面这篇文章主要给大家介绍了关于Python同步方法变为异步方法的相关资料,文中通过示例代码介绍的非常详细,需要的朋友可以参考下2022-04-04
prettytable库就是这么一个工具，prettytable可以打印出美观的表格，并且对中文支持相当好。本文将介绍如何通过prettytable输出好看的表格，需要的可以参考一下2022-01-01
今天小编来给大家分享如何在Excel文档当中来绘制可视化图表，并且制作一个可视化大屏。文中的示例代码讲解详细，感兴趣的小伙伴可以跟随小编一起学习一下2023-01-01
Python3调用百度AI识别图片中的文字功能示例【测试可用】
这篇文章主要介绍了Python3调用百度AI识别图片中的文字功能,结合实例形式分析了Python3安装及使用百度AI接口的相关操作技巧,并附带说明了百度官方AI平台的注册及接口调用操作方法,需要的朋友可以参考下2019-03-03
python 筛选数据集中列中value长度大于20的数据集方法
今天小编就为大家分享一篇python 筛选数据集中列中value长度大于20的数据集方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2018-06-06
最新评论