pytorch | 计算图像的一阶导/梯度/gradient

jdefla

于 2018-01-30 18:43:50 发布

阅读量1.6w

点赞数 5

CC 4.0 BY-SA版权

分类专栏： pytorch 文章标签： pytorch 计算机视觉图像处理

本文链接：https://blog.youkuaiyun.com/u014722627/article/details/79209369

本文介绍了在PyTorch中计算图像的一阶导数和梯度，特别是在图像转换任务中的应用，如total variation loss。通过参考numpy源码并使用torch.nn.functional.pad()函数，作者实现了一个计算图像一阶导数的方法。然而，在尝试将图像的梯度作为损失函数进行反向传播时，遇到了梯度爆炸的问题，即使调整loss权重和学习率也无法避免。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

[pytorch] 计算图像的一阶导 / 梯度 / gradient

在图像转换任务中常见的total variation loss（tvloss，总变分，一般作为平滑的规则化项）需要对图像的梯度求平方和。
style-transfer系的github项目，tvloss求法如下：

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

    def forward(self,x):
        h_x = x.size()[2]
        w_x = x.size()[3]
        count_h = self._tensor_size(x[:,:,1:,:])
        count_w = self._tensor_size(x[:,:,:,1:])
        h_tv = torch.pow((x[:,:,1:,:]-x[:,:,:h_x-1,:]),2).sum()
        w_tv = torch.pow((x[:,:,:,1:]-x[:,:,:,:w_x-1