python使用torch随机初始化参数

python使用torch随机初始化参数

目录

1、从均匀分布中生成值

2、分布N(mean, std)中生成值

3、使用值val填充输入Tensor

3.1、使用0,或者1 填充数据

4、用单位矩阵填充二维输入张量

5、其他常用的初始化方法

1、从均匀分布中生成值 w = torch.zeros(3, 5) w Out[75]:  tensor([[0., 0., 0., 0., 0.],         [0., 0., 0., 0., 0.],         [0., 0., 0., 0., 0.]]) torch.nn.init.uniform_(w, a=10, b=15) Out[76]:  tensor([[11.8949, 11.0836, 10.6348, 13.4524, 12.8051],         [14.5289, 11.3441, 10.0570, 11.0310, 11.3643],         [10.2919, 11.2083, 13.5757, 13.3987, 11.0059]]) 2、分布N(mean, std)中生成值

从给定均值和标准差的正态分布N(mean, std)中生成值,填充输入的张量或变量

w = torch.zeros(3, 5) torch.nn.init.normal_(w, mean=0, std=0.1) Out[78]:  tensor([[-0.1810, -0.0781,  0.0562,  0.0239, -0.0599],         [ 0.0340,  0.1520,  0.0534,  0.1895,  0.0135],         [ 0.0149, -0.1131, -0.0643,  0.0160, -0.2282]]) 3、使用值val填充输入Tensor w = torch.empty(2, 5) torch.nn.init.constant_(w, val=0.6) Out[80]:  tensor([[0.6000, 0.6000, 0.6000, 0.6000, 0.6000],         [0.6000, 0.6000, 0.6000, 0.6000, 0.6000]]) 3.1、使用0,或者1 填充数据 torch.nn.init.zeros_(w) Out[83]:  tensor([[0., 0., 0., 0., 0.],         [0., 0., 0., 0., 0.],         [0., 0., 0., 0., 0.]]) torch.nn.init.ones_(w) Out[85]:  tensor([[1., 1., 1., 1., 1.],         [1., 1., 1., 1., 1.],         [1., 1., 1., 1., 1.]]) 4、用单位矩阵填充二维输入张量 w = torch.empty(3, 5) torch.nn.init.eye_(w) Out[82]:  tensor([[1., 0., 0., 0., 0.],         [0., 1., 0., 0., 0.],         [0., 0., 1., 0., 0.]]) torch.nn.init.zeros_(w) 5、其他常用的初始化方法 torch.nn.init.xavier_normal_(w) Out[87]:  tensor([[ 0.2121, -0.3607,  0.6342,  0.1501,  0.0018],         [-0.0737,  0.6971, -0.2628,  0.1004, -0.0322],         [ 0.0093,  0.7139,  0.0263,  0.7135,  0.6979]]) torch.nn.init.xavier_uniform_(w) Out[88]:  tensor([[-0.1675, -0.1284, -0.4856,  0.5762, -0.6135],         [ 0.0711, -0.8592, -0.0317,  0.6801,  0.4777],         [ 0.2965, -0.5528, -0.5425,  0.5166,  0.5759]]) torch.nn.init.kaiming_normal_(w) Out[89]:  tensor([[ 0.0015,  0.0681,  0.5349, -0.0972, -0.8459],         [ 0.6095, -0.0047,  0.2383,  1.1911, -1.2320],         [-0.7059, -0.0080,  0.4166,  0.6686, -0.9375]]) torch.nn.init.kaiming_uniform_(w) Out[90]:  tensor([[-0.2876,  0.3591,  0.7630,  0.5041, -0.6685],         [-0.6666,  0.5787,  0.9411, -0.0918,  1.0930],         [-0.5985, -0.9909,  0.4831, -0.6703,  0.0351]])

到此这篇关于python使用torch随机初始化参数的文章就介绍到这了,更多相关torch随机初始化参数内容请搜索易知道(ezd.cc)以前的文章或继续浏览下面的相关文章希望大家以后多多支持易知道(ezd.cc)!

推荐阅读