PyTorch的卷积和SciPy的卷积的不同结果

Question

我正在建立一个PyTorch模型来估计Impuse Responses。目前，我正在根据实际和估计的脉冲响应来计算损失。我想将估计的和实际的脉冲响应与信号进行卷积，然后从中计算出损失。

pyroomaccoustics包使用SciPy的fftconvolve将脉冲响应与给定信号进行卷积。我不能使用它，因为它会破坏PyTorch的计算图。 PyTorch的conv1d使用互相关。从this answer看来，通过翻转滤镜conv1d可用于卷积。

我对以下代码为什么对conv1d和convolve给出不同的结果以及必须进行哪些更改才能使输出相等感到困惑。

import torch
from scipy.signal import convolve

a = torch.tensor([.1, .2, .3, .4, .5])
b = torch.tensor([.0, .1, .0])

a1 = a.view(1, 1, -1)
b1 = torch.flip(b, (0,)).view(1, 1, -1)


print(torch.nn.functional.conv1d(a1, b1).view(-1))
# >>> tensor([0.0200, 0.0300, 0.0400])

print(convolve(a, b))
# >>> [0.   0.01 0.02 0.03 0.04 0.05 0.  ]

Answer 1

查看mode的scipy.signal.convolve参数。使用scipy.signal.convolve匹配PyTorch的mode='valid'：

conv1d

在此示例中，要修改PyTorch

In [20]: from scipy.signal import convolve                                      

In [21]: a = np.array([.1, .2, .3, .4, .5])                                     

In [22]: b = np.array([.0, .1, .0])                                             

In [23]: convolve(a, b, mode='valid')                                           
Out[23]: array([0.02, 0.03, 0.04])

的调用以提供与conv1d的默认行为相同的输出（即匹配scipy.signal.convolve），请将调用中的mode='full'设置为padding=2。更一般而言，对于给定的卷积内核conv1d，将填充设置为b。