pytorch 自定义卷积核进行卷积--卷积核订制

镜像问题：tensorflow 卷积：设定特定卷积核

动机：

有时候我们希望对神经网络得到的张量进行特定的卷积操作，如求梯度，求边缘等。

或者，有时我们希望把图像进行预处理操作后输入神经网络，而这个预处理可以用卷积操作实现，如求梯度或高斯滤波。我们希望这个卷积操作在GPU上执行，这样可以加快运行速度。

这就需要我们在pytorch中进行自定义的卷积核卷积。

困难：

在常用的pytorch的卷积操作中，只有卷积核的尺寸和通道信息，且定义的卷积核是可训练的变量，无法实现卷积核订制，且保持不变

torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True)

解决方法：

幸运的是，torch.nn.functional.conv2d 可以实现卷积核订制。

torch.nn.functional.conv2d(input, weight, bias=None, stride=1, padding=0, dilation=1,