PyTorch Conv2d内核是否随机？如何查看其内核形状？

1. Conv2d的内核是否会在每次运行时随机变化？原因是什么？ #

是的，每次运行代码得到不同滤波结果，核心原因是PyTorch的nn.Conv2d层在初始化时会随机生成权重（即卷积内核）。默认情况下，它采用Kaiming正态分布初始化权重参数，每次创建nn.Conv2d实例时，都会重新生成一组随机权重，因此每次运行时卷积用的内核都不一样，最终输出的滤波图像自然不同。

如果想让每次运行结果一致，可在创建Conv2d层前设置全局随机种子固定初始化逻辑：

torch.manual_seed(42)  # 固定随机种子，确保初始化权重一致
conv1 = nn.Conv2d(3,1,3)

2. 能否查看Conv2d内部的内核形状？ #

当然可以。nn.Conv2d的卷积内核存储在层的weight属性中，直接通过conv1.weight.shape即可查看内核形状。

以你的代码为例，conv1 = nn.Conv2d(3,1,3)对应的权重形状为torch.Size([1, 3, 3, 3])，各维度含义：

• 第一个维度1：输出通道数（对应参数out_channels=1）
• 第二个维度3：输入通道数（对应参数in_channels=3，即RGB图像的3个颜色通道）
• 第三、第四个维度3,3：卷积核的尺寸（对应参数kernel_size=3）

若要查看内核的具体数值，可直接打印conv1.weight.data。

内容的提问来源于stack exchange，提问作者yubin