由于研究关系需要自己手动给卷积层初始化权值,但是好像博客上提到的相关文章比较少(大部分都只提到使用nn.init里的按照一定分布初始化方法),自己参考了下Pytorch的官方文档,发现有两种方法吧。
所以马克下。
进口火炬 进口火炬。神经网络是神经网络 进口火炬。optim是optim 进口numpy np #第一一个卷积层,我们可以看到它的权值是随机初始化的 w=torch.nn.Conv2d(2, 2, 3,填充=1) 打印(w.weight) #第一种方法 打印(“1。使用另一个Conv层的权值”) q=torch.nn.Conv2d(2, 2, 3,填充=1)#假设问代表一个训练好的卷积层 打印(q.weight) #可以看到q的权重和w是不同的 w.weight=问。重量#把一个Conv层的权重赋值给另一个Conv层 打印(w.weight) #第二种方法 打印(“2。使用来自张量的权值”) 的=torch.Tensor (np.ones([2, 2、3、3])) #先创建一个自定义权值的张量,这里为了方便将所有权值设为1 w.weight=torch.nn.Parameter(的)#把张量的值作为权值赋值给Conv层,这里需要先转为torch.nn.Parameter类型,否则将报的错 打印(w.weight) >之前<>强效果预览强>
以上这篇Pytorch卷积层手动初始化权值的实例就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。
Pytorch卷积层手动初始化权值的实例