pytorch自定义初始化权重的方法
在常见的pytorch代码中，我们见到的初始化方式都是调用init类对每层所有参数进行初始化。但是，有时我们有些特殊需求，比如用某一层的权重取优化其它层，或者手动指定某些权重的初始值。
核心思想就是构造和该层权重同一尺寸的矩阵去对该层权重赋值。但是，值得注意的是，pytorch中各层权重的数据类型是nn.Parameter，而不是Tensor或者Variable。
import torch
import torch.nn as nn
import torch.optim as optim
import numpy as 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,padding=1)
print(w.weight)
# 第一种方法
print("1.使用另一个Conv层的权值")
q=torch.nn.Conv2d(2,2,3,padding=1) # 假设q代表一个训练好的卷积层
print(q.weight) # 可以看到q的权重和w是不同的
w.weight=q.weight # 把一个Conv层的权重赋值给另一个Conv层
print(w.weight)
# 第二种方法
print("2.使用来自Tensor的权值")
ones=torch.Tensor(np.ones([2,2,3,3])) # 先创建一个自定义权值的Tensor，这里为了方便将所有权值设为1
w.weight=torch.nn.Parameter(ones) # 把Tensor的值作为权值赋值给Conv层，这里需要先转为torch.nn.Parameter类型，否则将报错
print(w.weight)
附：Variable和Parameter的区别
Parameter 是torch.autograd.Variable的一个字类，常被用于Module的参数。例如权重和偏置。
Parameters和Modules一起使用的时候会有一些特殊的属性。parameters赋值给Module的属性的时候，它会被自动加到Module的参数列表中，即会出现在Parameter()迭代器中。将Varaible赋给Module的时候没有这样的属性。这可以在nn.Module的实现中详细看一下。这样做是为了保存模型的时候只保存权重偏置参数，不保存节点值。所以复写Variable加以区分。
另外一个不同是parameter不能设置volatile，而且require_grad默认设置为true。Varaible默认设置为False.
参数：
parameter.data 得到tensor数据
parameter.requires_grad 默认为True， BP过程中会求导
Parameter一般是在Modules中作为权重和偏置，自动加入参数列表，可以进行保存恢复。和Variable具有相同的运算。
我们可以这样简单区分，在计算图中，数据（包括输入数据和计算过程中产生的feature map等）时variable类型，该类型不会被保存到模型中。 网络的权重是parameter类型，在计算过程中会被更新，将会被保存到模型中。
以上这篇pytorch自定义初始化权重的方法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呐喊教程。
-
问题内容： 如何在PyTorch中的网络中初始化权重和偏差（例如，使用He或Xavier初始化）？ 问题答案： 要初始化单层的权重，请使用中的函数。例如： 或者，您可以通过写入（是）来修改参数。例： 偏见也是如此： 或自定义 将初始化函数传递给。它将以递归方式初始化整个权重。 申请（ FN ）： 适用递归到每个子模块（通过返回的），以及自我。典型的用法包括初始化模型的参数（另请参见torch-nn
-
本文向大家介绍keras之权重初始化方式，包括了keras之权重初始化方式的使用技巧和注意事项，需要的朋友参考一下 在神经网络训练中，好的权重 初始化会加速训练过程。 下面说一下kernel_initializer 权重初始化的方法。 不同的层可能使用不同的关键字来传递初始化方法，一般来说指定初始化方法的关键字是kernel_initializer 和 bias_initializer 几种初始化
-
如何向Swift中的子类添加自定义初始化器？ 我创建了的一个子类，它看起来如下所示： 如果我加上这个，Xcode会抱怨处初始化。所以我想这也不是解决办法。所以我想知道如何在Swift中将自定义初始化器正确地添加到子类中（因为在Objective-C中这似乎不是问题）？
-
Swift 5.x String初始化、定义 1. 字面量初始化字符串 1.1 单行字面量字符串 let str = "some string" 1.2 字面量初始化多行字符串 let str = """ The white Rabbit put on his spectacles. "Where shell I begin, please your Majesty?" he asked. "
-
本文向大家介绍Swift使用参数自定义初始化，包括了Swift使用参数自定义初始化的使用技巧和注意事项，需要的朋友参考一下 示例 请注意，您不能省略参数标签： 为了允许省略参数标签，请使用下划线_作为标签： 如果参数标签使用一个或多个属性共享名称，请使用self显式设置属性值：
-
问题内容： 在Java中，但是在其他OO语言中，初始化属性定义之间也有区别，例如 并使用构造函数对其进行初始化？ 我想不出任何实际的区别，有没有？否则，即使结果相同，是否存在一种方法优于另一种方法的情况？ 问题答案： 初始化顺序在这里很重要。 将字段设置为默认初始值（0，false，null） 调用对象的构造函数（但不要执行构造函数的主体） 调用超类的构造函数 使用初始化程序和初始化块初始化字段
-
本文向大家介绍python PyTorch参数初始化和Finetune，包括了python PyTorch参数初始化和Finetune的使用技巧和注意事项，需要的朋友参考一下 前言 这篇文章算是论坛PyTorch Forums关于参数初始化和finetune的总结，也是我在写代码中用的算是“最佳实践”吧。最后希望大家没事多逛逛论坛，有很多高质量的回答。 参数初始化 参数的初始化其实就是对参数赋值。
-
初始化方法定义了对Keras层设置初始化权重的方法 不同的层可能使用不同的关键字来传递初始化方法，一般来说指定初始化方法的关键字是kernel_initializer 和 bias_initializer，例如： model.add(Dense(64, kernel_initializer='random_uniform', bias