最小（非）工作示例
kernel = Conv2d(in_channels=1, out_channels=1, kernel_size=(3, 2))
data = torch.rand(1, 1, 100, 100).type(torch.complex64)
kernel(data)对于64位和128位复数，得到RuntimeError: "unfolded2d_copy" not implemented for 'ComplexDouble'，而对于32位复数，得到RuntimeError: "copy_" not implemented for 'ComplexHalf'。
是我遗漏了什么，还是pytorch遗漏了对复数的支持？？
注：我使用的是macbook，只使用cpu。
2条答案
按热度按时间uurv41yg1#
目前（@最新稳定版本- 1.9.0）Pytorch缺少对复Tensor的此类操作的支持（这是一个测试版特性）。
将真实的图和虚图分别分解为卷积，虽然不是很理想，但这是目前要走的路。
wgxvkvu92#
Pytorch越来越多地增加了对复数的支持。
PyTorch现在原生支持复数、复数autograd、复数模块和许多复杂运算，包括线性代数和快速傅立叶变换许多库，包括torchaudio和ESPNet，已经在PyTorch中使用了复数，PyTorch1.12进一步扩展了复卷积的复功能，实验复32（“复数半”）数据类型，支持半精度FFT运算。由于CUDA 11.3软件包中存在缺陷，如果您使用复数，我们建议您使用来自Wheels的CUDA 11.6软件包。
确实存在用于实现复值神经网络（CVNN）的第三方库：
我相信如果你想使用Pytorch的话，最好的库是ComplexPytorch
如果您更喜欢Tensorflow，我向您推荐我自己的library，它使用Tensorflow作为后端，我模拟（或至少尝试模拟）TensorFlow API和UX。
最后，我会推荐这个paper，代码使用了Theano，它已经不再维护，但是它有很多关于如何实现CVNN的理论，所以