Pytorch卷積層手動(dòng)初始化權(quán)值的實(shí)例
由于研究關(guān)系需要自己手動(dòng)給卷積層初始化權(quán)值,但是好像博客上提到的相關(guān)文章比較少(大部分都只提到使用nn.init里的按照一定分布初始化方法),自己參考了下Pytorch的官方文檔,發(fā)現(xiàn)有兩種方法吧。
所以mark下。
import torch import torch.nn as nn import torch.optim as optim import numpy as np # 第一一個(gè)卷積層,我們可以看到它的權(quán)值是隨機(jī)初始化的 w=torch.nn.Conv2d(2,2,3,padding=1) print(w.weight) # 第一種方法 print("1.使用另一個(gè)Conv層的權(quán)值") q=torch.nn.Conv2d(2,2,3,padding=1) # 假設(shè)q代表一個(gè)訓(xùn)練好的卷積層 print(q.weight) # 可以看到q的權(quán)重和w是不同的 w.weight=q.weight # 把一個(gè)Conv層的權(quán)重賦值給另一個(gè)Conv層 print(w.weight) # 第二種方法 print("2.使用來(lái)自Tensor的權(quán)值") ones=torch.Tensor(np.ones([2,2,3,3])) # 先創(chuàng)建一個(gè)自定義權(quán)值的Tensor,這里為了方便將所有權(quán)值設(shè)為1 w.weight=torch.nn.Parameter(ones) # 把Tensor的值作為權(quán)值賦值給Conv層,這里需要先轉(zhuǎn)為torch.nn.Parameter類(lèi)型,否則將報(bào)錯(cuò) print(w.weight)
效果預(yù)覽
以上這篇Pytorch卷積層手動(dòng)初始化權(quán)值的實(shí)例就是小編分享給大家的全部?jī)?nèi)容了,希望能給大家一個(gè)參考,也希望大家多多支持腳本之家。
相關(guān)文章
Pandas數(shù)據(jù)清洗函數(shù)總結(jié)
本文主要介紹了Pandas數(shù)據(jù)清洗函數(shù)總結(jié),文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2023-01-01六種酷炫Python運(yùn)行進(jìn)度條效果的實(shí)現(xiàn)代碼
這篇文章主要介紹了六種酷炫Python運(yùn)行進(jìn)度條的實(shí)現(xiàn)代碼,本文通過(guò)實(shí)例圖文相結(jié)合給大家介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2020-07-07pandas針對(duì)excel處理的實(shí)現(xiàn)
這篇文章主要介紹了pandas針對(duì)excel處理的實(shí)現(xiàn),文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2021-01-01Python Scrapy框架第一個(gè)入門(mén)程序示例
這篇文章主要介紹了Python Scrapy框架第一個(gè)入門(mén)程序,結(jié)合實(shí)例形式分析了Python Scrapy框架項(xiàng)目的搭建、抓取字段設(shè)置、數(shù)據(jù)庫(kù)保存等相關(guān)操作技巧,需要的朋友可以參考下2020-02-02Pytorch中transforms.Resize()的簡(jiǎn)單使用
這篇文章主要介紹了Pytorch中transforms.Resize()的簡(jiǎn)單使用方式,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2022-07-07python中的psutil模塊詳解(cpu、內(nèi)存、磁盤(pán)情況、結(jié)束指定進(jìn)程)
這篇文章主要介紹了python中的psutil(cpu、內(nèi)存、磁盤(pán)情況、結(jié)束指定進(jìn)程),本文給大家介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2023-04-04